[发明专利]一种模拟视觉机制的图像目标物体轮廓检测方法

权利要求书

1.一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。

2.按权利要求1所述模拟视觉机制的图像目标物体轮廓检测方法，其特征在于所述的两个尺度参数，其小尺度参数取值范围为1.5～2.5，大尺度参数值为小尺度参数值的4～5倍。

3.按权利要求1所述模拟视觉机制的图像目标物体轮廓检测方法，其特征在于所述具有多个朝向的Gabor滤波器组，其不同朝向滤波器的个数为12～18个、且在180度内等弧度分布。

4.按权利要求1所述模拟视觉机制的图像目标物体轮廓检测方法，其特征在于所述与小尺度参数的Gabor滤波器同心的圆环形的非经典感受野滤波器，其圆环的内径与其中心的Gabor滤波器的直径相同、而外径则为Gabor滤波器直径的3～5倍。

5.按权利要求1所述模拟视觉机制的图像目标物体轮廓检测方法，其特征在于所述常规二值化方法包括非极大值抑制和滞后门限方法或阈值方法。