[发明专利]一种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，特别涉及一种目标物体轮廓检测的方法。

背景技术

视觉信息处理研究方面的重大突破和融入到学科大交叉的趋势引起了越来越多的研究者的关注，特别是边缘检测这一领域的研究者的关注，如何将人类视觉系统的特性应用到其中以解决轮廓检测的难题已经成为的研究一个热点。文献“Grigorescu C，Petkov N，Westenberg M，Contour detection based on nonclassical receptive field inhibition，IEEE Transactions on Image Processing 12，2003，729-739”利用非经典感受野对经典感受野的抑制特性展开了相关研究，模拟非经典感受野的抑制作用，在对具有复杂背景的自然图像进行检测时，这一算子比传统边缘检测算子表现出更好的效果，特别是针对有特定任务的要求，减少了环境纹理的影响，更能有效的区分背景和轮廓；针对Grigorescu等人工作中的缺陷，Tang QL，Sang N，Zhang TX在文献“Extraction of salient contours from cluttered scenes，Pattern Recognition，40(11)，2007，3100-3109”对模型进行了改进，先将圆环模型改进为蝶型模型，减少了共线抑制的作用，后又根据非经典感受野对经典感受野的易化作用，加入了端区易化，新的模型克服了Grigorescu等人所建立的模型的不足，更为符合视觉机制，也增强了边缘检测算子针对特地目标的有效性。但仍存在一些缺陷，表现在不能随着外界输入信息的变化即时地调节其视觉系统，并且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，提出了一种目标物体轮廓检测方法。

本发明的技术方案是：一种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滤波器组对目标图像进行滤波处理，即利用N个不同方向下的Gabor滤波器或log Gabor滤波器对图像进行滤波处理，得到N个不同朝向下的朝向信息分布图；

S2.确定最优朝向图和最大能量图：比较不同朝向信息分布图中对应位置的像素值的大小，取各像素点的最大值作为输出，得到最大能量图；同时各像素点取最大值时对应的朝向为该点的最优朝向，将各像素点的最优朝向作为输出，得到最优朝向图；

S3.计算对比度图：对于目标图像依次计算以每个像素为中心的邻域内的像素值的标准差，将这个标准差作为该像素的对比度值，得到对比度图；

S4.计算判定图：对于对比度图取以每个像素为中心的一个M*M的邻域，利用该邻域内的像素的平均值乘以门限因子α＝(p^-1/M*M-1)得到一个门限T，这里p的范围为0＜p≤0.5，然后再比较该像素值和该门限T的大小，大于该门限的则认为该像素点的端区作用为易化，即加强，值为1，反之则该像素点的端区作用为抑制，即减弱，值为-1，得到用于判定端区作用值为1或-1的判定图；

S5.计算不同朝向下的能量图：从步骤S2计算得到的最大能量图中依次提取最优朝向为第一个朝向，第二个朝向到第N个朝向的点，得到N个不同朝向下的能量图，在这N个图像中，仅最优朝向为对应的方向的像素点有值，值为最大能量；

S6.计算侧区作用：用非负二维高斯差函数构建非经典感受野滤波器，得到不同方向下的非经典感受野蝶型侧区模板，利用蝶型侧区模板对步骤S5得到的N个不同朝向下的能量图进行滤波处理，得到N个不同朝向下的侧区作用图，同时依次计算最优朝向图和每个朝向的朝向差权重，N个不同朝向下的侧区作用图与对应的朝向差权重相乘得到N个不同朝向下的侧区恒定作用图，然后把N个不同朝向下的侧区恒定作用图相加，得到侧区恒定作用图；

S7.计算端区作用：用非负二维高斯差函数构建非经典感受野滤波器，得到不同方向下的非经典感受野蝶型端区模板，利用蝶型端区模板对步骤S5得到的N个不同朝向下的能量图进行滤波处理，得到N个不同朝向下的端区作用图，再将N个不同朝向下的端区作用图结果相加，得到端区作用图；

S8.计算端区选择性作用权重：侧区恒定作用图除以侧区恒定作用图与端区作用图之和得到一比值，用1减去该比值，得到端区选择性作用权重；