[发明专利]一种基于亮度特征和轮廓完整性的轮廓提取方法

权利要求书

1.一种基于亮度特征和轮廓完整性的轮廓提取方法，其特征在于，所述方法包括如下步骤：

(1)利用Gabor滤波器对图像进行滤波来模拟简单细胞的响应，结合和两种相位下的简单细胞响应构成复杂细胞响应，计算不同尺度、不同朝向下的最大的Gabor能量响应图，同时计算得到最大Gabor能量响应图所对应的朝向O；

(2)计算得到输入图像的亮度特征，用DOG函数确定非经典感受野的区域，同时将DOG函数作为距离权重系数，利用经典感受野与非经典感受野的亮度特征差异和距离权重系数的卷积结果点乘最大能量响应图和距离权重系数的卷积结果，最后得到对最大能量响应图的抑制值；

(3)利用经典感受野与非经典感受野的亮度特征差异调制下的抑制值抑制最大能量响应图，得到物体的初步轮廓图，结合相对抑制值，采用基于概率模型的自适应高低阈值，对轮廓图进行细化处理和剔除非轮廓点处理，得到物体的基本轮廓图；所述步骤(3)中结合相对抑制值，采用基于概率模型的自适应高低阈值，对轮廓图进行细化处理和剔除非轮廓点处理，得到物体的基本轮廓图，具体包括：

(3.2.1)采用非极大值抑制细化轮廓，只保留局部灰度变化极大的点，具体过程如下：

对物体的初步轮廓图con(x,y)中所有像素，考虑m*m大小窗口，沿着该点的最优朝向方向O(x,y)的垂直方向进行8邻域范围内的双线性插值，得到两点(x',y'),(x”,y”)，如果(x,y)处的响应同时大于(x',y'),(x”,y”)处的响应，则保留该点，否则置为0；

(3.2.2)对(3.2.1)得到的轮廓图结果进行双阈值处理，即选取物体的初步轮廓图的一个高阈值c_h和一个低阈值c_l，具体的处理方法如下：

con1(x,y)＝0 con(x,y)＜c_l

con1(x,y)＝con(x₁,y₁) con(x₁,y₁)＞con(x,y),(x₁,y₁)属于(x,y)的八邻域

con1(x,y)＝con(x,y) c_h＜con(x,y)

(3.2.3)利用相对抑制值剔除一些非轮廓点，采用基于概率模型的自适应高低阈值进行判断，判断方法为：

con2(x,y)＝1 κ(x,y)＜κ_l

con2(x,y)＝1 κ(x₁,y₁)＜κ_l,其中(x₁,y₁)属于(x,y)的八邻域

con2(x,y)＝0 κ(x,y)＞κ_h

其中，相对抑制值为：k_h和κ_l分别为抑制值的高、低阈值，κ_l为通过计算概率模型的p分位数得到，p为轮廓图中要求保留的最小轮廓像素的比例；

(3.2.4)上述得到的con1(x,y)保留了最大能量图抑制后轮廓图，con2(x,y)为经相对抑制值处理后轮廓图，最后利用下式得到物体基本轮廓，其计算公式如下：

con'(x,y)＝con1(x,y).*con2(x,y)

式中，运算符.*代表点乘运算；

(4)将轮廓点聚集成轮廓链，分析轮廓链的特点，采用基于最近邻朝向一致性的方法，将轮廓链的断点连接起来，从而保证轮廓的完整性。