[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

说明书

技术领域

本发明属于图像处理、计算机视觉技术和模式识别的交叉领域，具体涉及到了一种基于亮度特征和轮廓完整性的轮廓提取方法。

背景技术

轮廓检测在计算机视觉中起到很重要的作用,然而自然图像信息中含有大量的噪声和复杂背景等干扰信息,主体的边缘和轮廓往往淹没于这些信息之中，故主体的轮廓提取很复杂。传统的边缘检测方法无法对目标轮廓与纹理边缘信息进行区分,所以很难有效检测出物体的轮廓。人类视觉系统能够很轻松地从自然图像中检测出目标物体的轮廓，因此需要模拟人类视觉系统，建立类似人类视觉系统的计算机视觉系统，为研究计算机视觉技术提供了一种新思路。在轮廓检测中引入视觉处理机制不仅可以有效的提高轮廓检测的效果,同时更符合人类视觉效果。

国内外很早就发现了感受野对刺激的位置和朝向信息敏感，同时发现了非经典感受野对经典感受野的外周围区域有复杂的调制作用。现有的轮廓检测算法大多数都是基于这种调制作用检测的，但是检测出的轮廓仍然存在许多短的轮廓，同时提取出来的轮廓不够连续，存在许多的断裂，导致轮廓的完整性遭到破坏，同时还需要设置许多的参数，运行速度较慢。

发明内容

本发明要解决的问题是克服现有的非经典感受野抑制轮廓检测方法的缺陷。目前已有的方法由于仅考虑到局部特征，没有考虑轮廓的闭合效应，导致提取出来的轮廓不够连续，存在许多的断点。因此，本发明结合非经典感受野抑制特性提出了一种基于亮度特征和轮廓完整性的轮廓提取方法，可以有效的减少和消除纹理等轮廓，同时利用轮廓的完整性等知识对轮廓的断点进行连接，保证了轮廓的完整性。

本发明提供了一种基于亮度特征和轮廓完整性的轮廓提取方法，可以有效的提取出物体目标的轮廓，该方法包括如下步骤：

(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。具体求取过程包括如下子步骤：

(1.1)Gabor能量算子可以很好的模拟复杂细胞经典感受野的响应，因此本发明采用Gabor能量算子实现经典感受野的响应。主要包括以下子步骤：

(1.1.1)为了提取输入图像中各个朝向的轮廓信息，我们需要一组不同朝向的Gabor能量算子，即一组具有不同朝向选择性的复杂细胞对图像的响应，其中朝向选择的公式如下：

式中，θ_i为这一组朝向中的第i个朝向，它的取值在θ_i∈[0,π)，N_θ代表θ_i的采样数量。

(1,1.2)为了提取输入图像中不同尺度的轮廓信息，我们需要一组不同尺度下的Gabor能量算子，即一组具有不同尺度的复杂细胞对图像的响应，其中尺度的选取公式如下：

σ_j＝1.2+0.4*j j＝0,1,2...,N_σ-1

式中，σ_j为这一组中的第j个尺度，N_σ为σ_j的采样数量。

(1.1.3)其二维Gabor的函数表达式如下：

式中，x＝xcosθ_i+ysinθ_i,y＝-xsinθ_i+ycosθ_i，θ表示朝向角度，取值范围为θ∈[0,π)，σ_j表示滤波器的尺度，γ表示简单细胞经典感受野的椭圆率，λ是描述波长的参数，σ/λ表示经典感受野空间频率的带宽，是相位偏移量。

(1.2)在某一朝向上具有最优响应的简单细胞经典感受野对输入刺激的响应为e(x,y；θ)，可以用经典感受野模型与输入图像进行卷积得到。具体的计算公式如下：

e(x,y；θ,σ)＝I(x,y)*g(x,y；θ,σ)

式中，I(x,y)为输入图像，g(x,y；θ,σ)为模拟简单细胞的感受野，e(x,y；θ,σ⁾表示具有最优朝向为θ的简单细胞经典感受野在位置点(x,y)处的响应，*表示卷积操作。

(1.3)利用两种具有典型相位选择性的简单细胞感受野的响应构成复杂细胞经典感受野的响应。复杂细胞的经典感受野对于图像的刺激响应可以表述为：

式中，和分别代表在和时两种相位的简单细胞响应。