[发明专利]一种基于多特征的目标物体轮廓检测方法

说明书

技术领域

本发明属于计算机视觉技术领域，特别涉及一种物体轮廓的检测方法。

背景技术

传统的边缘检测方法无法区分纹理边缘和目标轮廓，而目标的轮廓检测对目标识别等计算机视觉应用具有重要意义。人类视觉系统能够轻易应对复杂自然环境，并高效地完成各种复杂视觉任务，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为非经典感受野抑制轮廓检测方法，具体可参见文献：Grigorescu C，Petkov N，Westenberg M，Contour detection based on nonclassical receptive field inhibition，IEEE Transactions on Image Processing，vol.12，no.7，729～739，2003。这种方法利用了初级视皮层神经元存在的非经典感受野的抑制特性来压制成片的背景纹理，进而达到突出目标物体轮廓的目的，特别其中涉及各向同性抑制方法和各向异性抑制方法，即根据局部朝向特征来调节非经典感受野的抑制强度。这种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，但只使用了朝向特征来调节非经典感受野的抑制作用而忽略了其他特征，如对比度等，不能适应各种复杂自然场景中物体轮廓提取任务，表现在对复杂自然场景中物体轮廓提取时轮廓检测和目标轮廓提取的效果较差。

发明内容

本发明的目的是为了解决现有的非经典感受野抑制轮廓检测方法对复杂自然场景中物体轮廓提取时存在的缺陷，提出了一种基于多特征的目标物体轮廓检测方法。

为了实现上述目的，本发明的技术方案是：一种基于多特征的目标物体轮廓检测方法，包括如下步骤：

S1.滤波处理：利用Gabor滤波器组或log Gabor滤波器组，对输入图像中各像素点依次在对应朝向进行滤波处理，得到一组滤波处理后的灰度图像，即在给定滤波器的一个尺度参数值的条件下，采用一组不同朝向的滤波器，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，得到一组不同朝向下的朝向信息分布图像，比较各朝向下的朝向信息分布图像中每一个位于同一位置处的像素点的灰度值，用其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，从而得到最大朝向信息分布图像和最优朝向图；

S2.提取图像的局部特征：用步骤S1得到的最优朝向图作为局部朝向特征图像，分别计算输入图像的局部均值和局部标准差作为图像的局部亮度和局部对比度特征，即对于每一个像素点，分别计算其邻域范围内像素点的均值和标准差作为该像素点的亮度和对比度特征，获得亮度和对比度特征图像；

S3.计算各个特征下的抑制权重：对各特征图像的每个像素点，首先用非负二维高斯差函数确定每个像素点对应的非经典感受野区域，然后计算非经典感受野区域内每个像素点对中心像素点的抑制权重，得到每个像素点在朝向特征、亮度特征和对比度特征下非经典感受野区域像素对对应像素点的抑制权重，再合并在各个特征下的抑制权重作为该像素点的最终的抑制权重；

S4.制取抑制后的轮廓图像：用非负二维高斯差函数构建非经典感受野滤波器，对步骤S1得到的最大朝向信息分布图像进行滤波处理，得到非经典感受野对中心的各向同性抑制量，再用最大朝向信息分布图像减去步骤S3得到的抑制权重与各向同性抑制量相乘的结果，得到抑制后的轮廓图像；

S5.二值化处理：对步骤S4得到抑制后的轮廓图像进行二值化处理，得到最终的轮廓图像。

本发明的有益效果：本发明首先采用一组不同朝向的滤波器对输入图像进行滤波处理，得到各个朝向下的朝向信息分布图像。再分别提取图像的局部朝向，亮度和对比度特征，在每个特征下分别计算非经典感受野对中心像素点的抑制权重，最后合并各个特征下的抑制权重得到最终的抑制权重。根据每个像素点的抑制权重来调节对应非经典感受野区域内像素对其的抑制强度，最终得到抑制后的轮廓图像，经二值化处理即得到目标轮廓图像。本发明的检测方法具有综合输入图像的多种特征信息，有效提高从复杂场景中迅速、完整地提取出物体轮廓的能力。

附图说明

图1是本发明基于多特征的目标物体轮廓检测方法的流程示意图。

图2是实施例中采用本发明方法对自然图像进行实际检测的轮廓图及与标准轮廓图、采用背景技术中的两种方法检测的轮廓图的效果对比图组。

具体实施方式

下面结合附图和具体的实施例对本发明作进一步的阐述。