一种模拟视觉机制的图像目标物体轮廓检测方法技术

该发明专利技术属于生物信息技术中采用模拟视觉机制对图像目标物轮廓进行检测的技术，包括采用大、小两个尺度参数及多个朝向进行Ｇａｂｏｒ滤波，确定非经典感受野相应滤波器的方位及其侧区和端区对中心像素的抑制量、并制取抑制后的图像，再经常规二值化处理即得目标轮廓图。该发明专利技术首先用Ｇａｂｏｒ滤波器组在两个不同尺度参数下、分别对图像在不同方位进行滤波，得到其高频信息分布图和低频信息分布图，再利用非经典感受野滤波器对其中的纹理等非轮廓信息进行抑制处理等。因而具有随外界输入信息变化的自适应能力强，可有效提高轮廓检测系统从复杂场景中迅速、准确地提取出目标轮廓的能力、效果和轮廓的清晰度等特点。

【技术实现步骤摘要】

本专利技术属于生物信息
中的图像处理技术,特别是--种采用模拟视觉机制对图像中目标物体轮廓进行检测的方法。该方法可应用于计算机视觉中的目标物体检测和 识别等。
技术介绍
轮廓检测是图像处理及计算机视觉中一个很重要组成部分。从复杂的背景中正确 地检测(突出)物体轮廓是一个非常重要而困难的工作。在众多传统的图像处理方法中、 应用于轮廓检测相对比较成功的经典方法有Canny算子(Canny JF 1986Aco,utational 即proach to edge detection IEEE Trans. Pattern Anal. Mach. Intell. 8 679-698.)、 活动轮廓模型(Kass M， Witkin A， Terzopoulos D 1987Snakes :activecontour models International Journal of Computer Vision 1321—331. ;CasellesV,Kimmel R，S邻iro G 1997Geodesic Active Contours International Journal of'Co卿uter Vision 22 61-79) 等。这些方法主要利用了图像中的亮度差别信息进行检测，无法区分目标轮廓和其它杂乱 边界。所以在面对图像中的对比度变化比较大、背景千扰比较多的情况时，这些方法很难得 到比较满意的结果。 近几年来，借鉴大脑视觉信息处理机制来设计轮廓检测的方法受到越来越多的关 注。人类视觉系统能根据视觉环境与条件的变化、对输入的图像信息进行各种主观的调整 和加工。模拟视觉信息处理的基本过程，并在此基础上进行建模，为研究计算机视觉和人工 智能提供新的思路。到目前为止，比较有代表性的基于视觉机制的轮廓检测方法有朝向选 择性抑制轮廓检测方法(Grigorescu C,Petkov N，Westenberg M 2()()3Contour detection based on nonclassical receptive field inhibition IEEETransactions on Image Processing 12729-739.)、蝶形外周抑制方法(Tang QL，SangN，Zhang TX 2007 Extraction of salient contours from cluttered scenes PatternRecognition 40 3100-3109.)等。 前者利用了初级视皮层神经元的非经典感受野的朝向选择性的抑制特性来压制背景纹理 信息，进而达到突出目标物体轮廓的目的。后者在前者的基础上进--步把非经典感受野分 割成四个部分，即两个易化型端区和两个抑制型侧区，通过加强轮廓和压制背景的共同作 用，实现轮廓的提取。上述基于视觉机制的方法取得的轮廓检测效果总体上均明显好于传 统的方法，但这些方法由于没有自动调节机能、不会随着外界输入信息(如对比度、空间频 率等)的变化而即时地调节其视觉系统以适应外界输入信息(环境)的变化，因而存在自 适应性差、对复杂场景中的轮廓检测能力弱，不能从复杂场景中迅速、准确地提取出目标轮 廓、且对轮廓检测和目标轮廓提取的效果仍较差等缺陷。
技术实现思路
本专利技术的目的是针对
技术介绍
存在的缺陷，研究设计一种模拟视觉机制的图像目 标物体轮廓检测方法,强化轮廓检测系统随外界输入信息(环境)的变化的自适应能力，以达到有效提高轮廓检测系统从复杂场景中迅速、准确地提取出目标轮廓的能力、效果和轮 廓的清晰度等目的。 本专利技术以现代生物学和生理学实验发现为基础,根据视觉系统中初级视皮层神经 元的经典感受野(classical rec印tive field, CRF)的外周，即非经典感受野(non-C:RF， nCRF)呈蝶形分布，由两个端区和两个侧区共四部分组成。本专利技术将CRF的最优朝向的延长 线穿过的两个区作为端区，如果有轮廓线存在，则轮廓线一般出现在端区，因为在一个很小 的局部范围内，轮廓线可以近似为直线或二次曲线；为此，侧区采用常规抑制方法压制背景 纹理及其它干扰信息，而端区则根据是否可能有轮廓线通过端区而决定端区对中心区抑制 程度的强弱，若轮廓线存在的可能性越大，则设计的端区抑制强度越弱，从而获得更加符合 人类视觉感受的轮廓检测结果。因此本专利技术的解决方案是首先采用Gabor滤波器来模拟 神经元经典感受野对视觉信息的处理，即对于输入图像，采用多个朝向的Gabor滤波器组 在两个不同尺度(频率)参数下分别对图像依次进行滤波处理；在一个相同的小尺度(高 频)参数值的条件下、采用不同朝向Gabor滤波器对输入的数字图像依次处理后、输出的图像中各个像素点具有相应的灰度值，从相同位置像素(点)的灰度值中选取其最大值作 为该像素点的灰度值，同时将取得最大值时滤波器的朝向作为该像素点的最优朝向，再对 各像素点的灰度值(最大值)进行归一化处理，从而得到该图像的高频信息分布图，即得到 输入图像中的细节信息，包括轮廓信息和背景纹理信息等；采用相同方法而得到该图像的 低频信息分布图，该布图主要是图像中目标的轮廓信息。然后再利用非经典感受野滤波器 对图像中的纹理等非轮廓信息进行抑制,在对非轮廓信息进行抑制前首先确定非经典感受 野滤波器端区和侧区的位置；处理任意一个像素时，根据该像素点的最优朝向旋转非经典 感受野滤波器，使旋转后该像素点的最优朝向的延长线通过非经典感受野滤波器端区的中 部。非经典感受野滤波器侧区对中心的抑制则采用常规的抑制模式，即利用二维高斯差函数模板与位于该侧区中的高频信息分布图进行巻积处理得到该侧区对中心的抑制量；而非 经典感受野滤波器端区对中心的抑制量则采用自动调节的方式进行计算、处理，即对于任 意--个像素点，首先检查其在低频信息分布图中的灰度值和非经典感受野滤波器侧区对其 的抑制量。如果像素点在低频信息分布图中的灰度值越大，表明该点属于轮廓线的可能性 越大，则端区对其的抑制就应越小(弱)，以避免产生自抑制而影响轮廓线的完整性；另一 方面，非经典感受野滤波器侧区对其的抑制量越大(强)，表明此局部区域的信息主要是背 景信息、端区中出现轮廓线的可能性较小,此时则可加大端区对其的抑制强度。根据以上原 则设定端区对中心的抑制量；然后再从高频信息分布图中减去端区抑制量和侧区抑制量， 即得到非经典感受野滤波器抑制后的轮廓图；最后再利用常规二值化方法对非经典感受野 滤波器抑制后的轮廓图进行二值化处理,从而在尽可能地保留轮廓线的完整性的同时、最 大程度地压制背景干扰，得到清晰的轮廓检测结果图像，实现其专利技术目的。因此，本专利技术方 法包括 A. Gabor滤波处理用大、小两个尺度(频率)参数、及模拟神经元经典感受野的 具有多个朝向(方位)参数的Gabor滤波器组,对输入数字图像中各像素点依次在对应方 位(朝向)进行滤波处理；即在给定Gabor滤波器的-一个小尺度(高频)参数值的条件下、 采用一组不同朝向参数值的滤波器，依次用每一个朝向的滤波器对输入图像中的各像素点 进行滤波处理、得到各像素点经对应朝向(方位)的小尺度(高频)滤波处理后的一幅灰度图，再对经各朝向(方本文档来自技高网...

【技术保护点】
一种模拟视觉机制的图像目标物体轮廓检测方法，包括：Ａ．Ｇａｂｏｒ滤波处理：用大、小两个尺度参数、及模拟神经元经典感受野的具有多个朝向参数的Ｇａｂｏｒ滤波器组，对输入数字图像中各像素点依次在对应方位进行滤波处理；即在给定Ｇａｂｏｒ滤波器的一个小尺度参数值的条件下、采用一组不同朝向参数值的滤波器，依次用每一个朝向的滤波器对输入图像中的各像素点进行滤波处理、得到各像素点经对应朝向的小尺度滤波处理后的一幅灰度图，再对经各朝向滤波处理后的灰度图中每一个位于同一位置处的像素点的灰度值进行比较，取其灰度值中的最大值作为对应像素点的灰度值、其所对应的滤波器的朝向作为该像素点的最优朝向，再对各像素点的灰度值进行归一化处理，从而得到该图像的高频信息分布图；与之相同，在给定Ｇａｂｏｒ滤波器的一个大尺度参数值的条件下，采用同样的方式处理得到该图像的低频信息分布图；Ｂ．根据各像素点的最优朝向确定非经典感受野相应滤波器的方位：首先采用二维高斯差函数构建一个与小尺度参数的Ｇａｂｏｒ滤波器同心的圆环形的非经典感受野滤波器，并将其分为两个以中心为对称的端区和位于该端区两侧的侧区：然后将非经典感受野模板中心依次对准各像素点，并根据步骤Ａ得到的高频信息分布图中各像素点对应的最优朝向、旋转非经典感受野滤波器，使各像素点最优朝向的延长线依次位于滤波器端区中部，以确定非经典感受野滤波器的方位；Ｃ．确定非经典感受野滤波器侧区对其中心像素的抑制量：利用二维高斯差函数作为权重模板，依次与位于各个像素点非经典感受野滤波器侧区中的高频信息分布图进行卷积处理，得到非经典感受野滤波器侧区对中心位置处像素的抑制量；Ｄ．确定非经典感受野滤波器端区对其中心像素的抑制量：根据各个像素点在低频信息分布图中的灰度值，以及步骤Ｃ所得到非经典感受野滤波器侧区对其的抑制量；按照低频信息分布图中的灰度值越大、则减小端区对其的抑制强度，非经典感受野滤波器侧区对中心像素的抑制量越大、则加大端区对其的抑制强度，来设定非经典感受野滤波器端区对中心像素的抑制量；Ｅ．制取非经典感受野滤波器抑制后的图像：用高频信息分布图中各像素点的灰度值分别减去对应像素点的侧区抑制量和端区抑制量，得到非经典感受野滤波器抑制处理后的图像；Ｆ．二值化处理：利用常规二值化方法对Ｅ步骤所得图像进行二值化处理，从而得到最终的轮廓图。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李永杰，李朝义，曾驰，杨开富，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：90[中国|成都]