【技术实现步骤摘要】
一种基于双侧注意通路的显著轮廓提取方法
[0001]本专利技术属于生物视觉和图像处理领域，具体涉及一种基于双侧注意通路的显著轮廓提取方法。
技术介绍
[0002]轮廓是图像目标的重要形态特征，通常湮没在图像噪声和纹理背景中，如何准确地在复杂场景中提取显著轮廓，对于后续的计算机图像处理至关重要。显著轮廓提取的难点主要体现在：(1)在光照不均或弱对比度下，轮廓信息更易被纹理干扰而难以提取；(2)在凸显轮廓和抑制纹理的过程中，难以保证剔除大量纹理的同时又保留完整的轮廓。
[0003]随着视觉生理实验和计算模型的发展，视觉仿生型轮廓感知方法逐渐受到学者们的关注。例如有研究基于视觉系统中各级神经元的解剖特性，构建高斯差分(Difference of Gaussian,DOG)模型来描述中心
‑
周边型的感受野结构，揭示了单拮抗感受野(Single
‑
Opponent Receptive Field,SORF)感知颜色信息时所呈现的拮抗特性；有研究提出基于经典感受野(Classical Rece...
【技术保护点】
【技术特征摘要】
1.一种基于双侧注意通路的显著轮廓提取方法，其特征在于，包括以下步骤：步骤(1)模拟视皮层下神经元的颜色拮抗特性，构建基于局部亮度特征的单拮抗动态调节模型，得到初级边界响应I
border
(x,y)，(x,y)表示图像的横纵坐标；步骤(2)模拟V1区经典感受野的方向敏感特性，提出多方向微动方法，得到初级轮廓响应E(x,y)；首先引入高斯导函数Gau(x,y)模拟多方向上的刺激响应，结果记为e(x,y；θ)，θ∈[0,π)表示感受野的方向角；接着选取Q个方向响应强度最大值作为初始轮廓e
max
(x,y；θ
std
)，公式如下：其中θ
std
表示多方向响应最大值所对应的方向角，即最优方向；然后以最优方向θ
std
为中心轴，按设定幅度进行方向微动，每次微动所生成的方向角记为θ
r
，r＝1,2,
…
,M，公式如下：其中M决定了方向微动的幅度；可知即最佳方位区间，其中Δθ＝π/Q表示初始轮廓中相邻方向的角度差；最后，在最佳方位区间内采用winner
‑
take
‑
all策略，将微动响应e(x,y；θ
r
)通过竞争机制得到初级轮廓响应E(x,y)，公式如下：E(x,y)＝max{e(x,y；θ
r
)|r＝1,2,
…
,M}步骤(3)模拟视觉信息分流传递和交互响应特性，构建双侧信息流交互模型，分别得到背侧空间显著轮廓和腹侧神经元稀疏响应步骤(4)模拟多视通路信息融合机制，提出基于双侧信息流的加权融合策略，得到最终显著轮廓由于双侧注意通路的视觉信息均从V1区分流而来，根据各侧响应与E(x,y)的比值来决定双侧信息的融合权重，记为β
l
，l＝1,2，获得最终显著轮廓公式如下：公式如下：2.根据权利要求1所述的一种基于双侧注意通路的显著轮廓提取方法，其特征在于，所述的步骤(1)包括以下子步骤：步骤1.1针对输入图像I(x,y)，分解出亮度分量L(x,y)，以L(x,y)每个像素点为中心，计算出H
×
H区域内的亮度均值L
avg
(x,y)，公式如下：
其中，(i,j)表示H
×
H区域内的坐标，step表示移动步长；为解决边界溢出问题，以L(x,y)的边缘像素填充边界；然后利用L(x,y)与L
avg
(x,y)的大小关系，判断点(x,y)是否归属于局部暗区域，从而确定该点是否需要增强处理，得到亮度调节响应L
rod
(x,y)，公式如下：其中，a∈(0,1)表示亮度调节因子；步骤1.2针对输入图像I(x,y)，模拟锥细胞的颜色(红、绿、蓝、黄)分离作用，分解出R(x,y)、G(x,y)、B(x,y)及Y(x,y)等4种颜色响应，经过单拮抗编码后形成4种颜色拮抗通道，分别记为R
+
/G
‑
、G
+
/R
‑
、B
+
/Y
‑
及Y
+
/B
‑
；再对锥细胞对立响应之差与高斯导函数Gau(x,y)进行卷积运算，结果记为公式如下：其中，*表示卷积运算符；γ、σ表示感受野的椭圆率和尺度；C(x,y)和S(x,y)表示单拮抗编码中对立的颜色响应，可能的选项为R(x,y)、G(x,y)、B(x,y)或Y(x,y)；下标C
+
/S
‑
表示对应的颜色拮抗通道，可能的选项为R
+
/G
‑
、G
+
/R
‑
、B
+
/Y
‑
或Y
+
/B
‑...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。