[发明专利]基于视觉特性的仿生自适应模糊边缘检测方法

权利要求书

1.一种基于视觉特性的仿生自适应模糊边缘检测方法，其步骤是：

步骤1，对操作图像进行全局亮度自适应增强，采用基于人类视觉系统特性的全局自适应性对数模型，对原始图像的明暗程度整体亮度进行非线性调整，对图像过暗或过亮部分进行调节，使图像的明暗区域对比度增强；

依据人眼视觉感知系统的全局增强特性，图像全局亮度增强计算公式为：

式中：为原始图像位置处的像素值，是经过全局亮度增强后的归一化亮度，、、是根据图像自身的亮度确认全局对数调整的程度；人眼视觉系统根据目标的整体亮度情况，初期自适应地全局增强图像的亮度，通过参数化对数模型自适应地全局增强图像亮度，该非线性调节有效地压缩了图像的动态范围，使图像的暗区域变亮；

步骤2，将原图像空间域转化为模糊域，定义一个简单有效的隶属度函数取代原有的隶属度函数，提高模糊边缘提取算法的实时性；利用正弦函数的性质和定义，有效的实现模糊域的转化，避免了图像中大部分的低灰度值被硬性设置为0，保存了图像的低灰度边缘信息；

步骤3，对操作图像模糊域进行局部亮度自适应增强，采用视网膜神经元感受野非经典侧抑制性的三高斯模型和高斯滤波相结合的双边滤波计算领域主观感觉亮度，依据当前点亮度和主观感觉亮度间的线性关系增强图像局部细节信息；

步骤4，对原图像模糊域进行逆变换，逆变函数将模糊隶属度矩阵转化为空间域图像；

步骤5，图像边缘提取，采用“Nakagowa”算子对处理后的图像边缘提取。

2.根据权利要求1所述的基于视觉特性的仿生自适应模糊边缘检测方法，其特征在于：步骤2中，确定图像隶属度函数：定义一个简单有效的隶属度函数，Pal和King算法在得到图像的模糊集合中元素表示像素的隶属度；计算公式为：

式中，表示图像像素的灰度值，、分别表示图像中最大、最小灰度级；由正弦函数的性质及定义，知其隶属值域线性度好于Pal和King算法的隶属度函数，避免了图像中的低灰度值被硬性设置为0，保存了图像的低灰度边缘信息。

3.根据权利要求1所述的基于视觉特性的仿生自适应模糊边缘检测方法，其特征在于，根据人类视觉局部自适应调节特性，所述步骤3图像局部亮度增强计算公式为：

式中：为一正值常数，为局部线性关系的比例系数；是模糊变换后的图像值，是当前点处的邻域平均亮度，它反映当前点所在位置人眼感受到的亮度情况；为权重系数取决于定义域核和值域核的乘积，输出像素的值依赖于领域像素值的加权组合；由人类视觉系统特性得知人眼对于局部对比度更为敏感，视觉系统在对信号进行最终处理时，具有侧抑制效应的效果，会使人眼对图像的边缘有增强的感觉。

4.根据权利要求1所述的基于视觉特性的仿生自适应模糊边缘检测方法，其特征在于，步骤4中，对模糊集进行逆变换：对局部增强图像进行逆变换，将模糊隶属度矩阵转化为空间域图像；计算公式为：

。

5.根据权利要求书1所述的基于视觉特性的仿生自适应模糊边缘检测方法，其特征在于：依据人类视觉局部自适应调节特性，所述步骤3视网膜神经元感受野的三高斯模型计算公式是：

式中，表示感受野内任意一点的兴奋反应大小，分别表示中心兴奋区、四周抑制区、外周大范围去抑制区的敏感度峰值，分别表示中心兴奋区、抑制区、外周大范围去抑制区的面积系数。

6.根据权利要求1所述的基于视觉特性的仿生自适应模糊边缘检测方法，其特征在于：步骤5，图像边缘提取：利用Nakagowa 提出的最小算子，定义图像的边缘，计算公式为：

式中：表示处理后的图像，，表示3×3的窗口。