[发明专利]模拟人眼微动的图像轮廓检测方法

说明书

本发明提供一种模拟人眼微动的图像轮廓检测方法，包括以下步骤：A、输入待检测图像，预设整体抑制参数、抑制系数及Gabor滤波器组，滤波得到各像素点经典感受野刺激响应；B、对经典感受野刺激响应进行截断处理；C、利用DoG模板与临时中心区，计算得到各像素点的归一化的权重函数；计算各像素点各方向下的非经典感受野刺激响应粗算值，并求标准差；D、计算得到各像素点的标准差权重，进而计算得到各像素点的非经典感受野刺激响应终算值；E、计算得到各像素点的轮廓识别值，构成待检测图像的轮廓识别图像。该方法克服现有技术的缺陷，在抑制强纹理的同时保留弱的边缘，提高轮廓识别的成功率。

技术领域

本发明涉及图像处理领域，具体涉及一种模拟人眼微动的图像轮廓检测方法。

背景技术

早期的生理学和神经科学在视觉信息处理的研究大都是基于中心有限区域的经典感受野。然而，后期更多的研究表明关在更大范围内的光刺激能调制经典感受野响应，这个外周区域被叫做非经典感受野。这个调制功能使得神经元能够整合更大范围内的信息并传递给随后的视觉过程。相比较于神经节细胞和外膝体细胞的抑制，初级视觉皮层的非经典感受野有着更加复杂的特性。有文献表示非经典感受野可大概分为四种模式：(1)全范围抑制；(2)全范围促进；(3)两边抑制，两端促进；(4)两边促进，两端抑制。另外，非经典感受野有着独立的方向选择性。当经典感受野和非经典感受野接受不同类型的方向，亮度，空间频率，空间相位，和运动速度刺激时，就会产生更强的响应，当经典感受野和非经典感受野接受相同类型的方向，亮度，空间频率，空间相位，和运动速度刺激时，就会产生更弱的响应。

然而，这些感受野的性质大多都是基于麻醉动物实验。在这种情况下，人眼的运动就被忽视了。但实际上人眼的运动对视觉信息处理的脑机制很有帮助。具体的，人眼运动能分为稳定注视，运动注视和固定的眼动。其中固定的眼动又包括震颤，漂移和微跳动。眼动影响着视网膜图像和其后续的视觉系统，包括外膝体，初级视觉皮层和高级视觉皮层，因此在进行轮廓检测时，人眼微动是需要重点考虑的因素，急需一种能够人眼微动的轮廓检测方法。

发明内容

本发明旨在提供一种模拟人眼微动的图像轮廓检测方法，该方法克服现有技术未考虑人眼微动机制的缺陷，在很好地抑制强纹理的同时保留弱的边缘，提高轮廓识别的成功率。

本发明的技术方案如下：模拟人眼微动的图像轮廓检测方法，包括以下步骤：

A、输入经灰度处理的待检测图像，预设整体抑制参数与抑制系数，预设沿圆周均匀分布的多个方向参数的Gabor滤波器组，对待检测图像中的各像素点分别按照各方向参数进行Gabor滤波，获得各像素点的各方向的Gabor能量值；对于各像素点，选取其各方向的Gabor能量值中的最大值，作为该像素点经典感受野刺激响应；

B、对于各像素点，将其经典感受野刺激响应进行截断处理，得到各像素点截断后的经典感受野刺激响应；

C、利用高斯差分函数DoG模板，构建一组临时中心区，各个临时中心区相对于视野中心区具有不同偏移角度；对于各像素点，将其临时中心区响应与DoG模板进行整合与归一化，得到一组归一化的权重函数；

对于各像素点，在不同偏移角度下，将归一化的权重函数与DoG模板内的截断后的经典感受野刺激响应作乘积后求和，得到各像素点在各偏移角度下的非经典感受野刺激响应粗算值；对各像素点在各偏移角度下的非经典感受野刺激响应粗算值求标准差；

D、对于各像素点，结合各偏移角度下的非经典感受野刺激响应粗算值的标准差及整体抑制参数计算得到标准差权重；将标准差权重与各偏移角度下的非经典感受野刺激响应粗算值的最小值进行乘积得到该像素点的非经典感受野刺激响应终算值；

E、对于各像素点，将其经典感受野刺激响应与非经典感受野刺激响应终算值结合抑制系数计算得到该像素点的综合刺激响应，即为该像素点的轮廓识别值，将待检测图像全部像素点的轮廓识别值进行非极大值抑制和值二值化之后即得到待检测图像的轮廓识别图像。