[发明专利]基于感受野子区域的非方向选择性轮廓检测方法

说明书

本发明旨在提供一种基于感受野子区域的非方向选择性轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，计算各像素点的经典感受野刺激响应；B、在感受野中心区域外部构建一组环绕中心区域的圆形的子区域，各子区域相对于中心区域具有不同偏离角度；C、计算各像素点的中心区域的各方向的能量分布值以及各子区域的各方向的能量分布值；D、计算各像素点的中心区域‑子区域抑制权重以及子区域‑子区域抑制权重，进而得到各像素点的中心区域‑子区域抑制权值与子区域‑子区域抑制权值；F、计算各像素点的轮廓响应。该方法具有仿真效果好、轮廓识别率高的特点。

技术领域

本发明涉及计算机图像处理领域，具体涉及一种基于感受野子区域的非方向选择性轮廓检测方法。

背景技术

轮廓检测是计算机视觉领域的一个基本任务，不同于被定义为强烈的亮度变化所表征的边缘，轮廓通常表示一个目标到其他目标的边界。提高轮廓检测性能的基本方法就是融合全局的信息，为了提高轮廓检测模型的性能，许多研究者尽力的去发现不同的视觉线索，包括亮度，颜色或者纹理信息。

现有方法会考虑多重的图像特征，例如亮度，纹理，并且使用统计和学习技术、活动轮廓、图论的方法构建了一个亮度，颜色和纹理通道的统计框架，并且用了一个逻辑回归分类器去预测边缘的可能性；进一步的还有的通过冲图像块中提取千个简单特征，用这些特征去学习一种概率提升树的分类器去做轮廓提取或是为了融合多尺度的信息使用局部轮廓线索：对比度、局部对比度以及局部位置去训练一个逻辑回归分类器来融合这些特征。

发明内容

本发明旨在提供一种基于感受野子区域的非方向选择性轮廓检测方法，该方法具有仿真效果好、轮廓识别率高的特点。

本发明的技术方案如下：

一种基于感受野子区域的非方向选择性轮廓检测方法，包括以下步骤：

A、输入经灰度处理的待检测图像，预设抑制强度，预设均分圆周的多个方向参数，对待检测图像中的各像素点分别按照各方向参数进行二维高斯一阶滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的经典感受野刺激响应；

B、预设圆形的感受野，将该感受野分为两个同心圆，圆形的中心区域为经典感受野，中心区域外的环形区域为非经典感受野；在非经典感受野内构建一组环绕中心区域分布的圆形的子区域，每一个子区域至少与其相邻的两个子区域相交；

C、将各像素点的各方向的响应值进行高斯滤波后得到各像素点的各方向的能量值；

对于各像素点：在以该像素点为中心的感受野中，将中心区域内各像素点的各方向的能量值分别除以中心区域内的像素点个数并求和得到该像素点中心区域的各方向的能量分布值；将各子区域内各像素点的各方向的能量值分别除以该子区域内的像素点个数并求和得到该像素点各子区域的各方向的能量分布值；

D、对于各像素点：计算各子区域的各方向的能量分布值与中心区域的对应方向的能量分布值的差值，对该差值进行L1正则化之后进行求和，得到该像素点的中心区域-子区域能量分布差值；

对中心区域的各方向的能量分布值计算方差，得到该像素点中心区域的能量方向显著度；

将中心区域-子区域能量分布差值与该像素点中心区域的能量方向显著度相乘，得到该像素点的中心区域-子区域抑制权重；

将该像素点各子区域的各方向的能量分布值进行L1正则化之后计算标准差，得到该像素点的子区域-子区域抑制权重；

E、对于各像素点：将像素点的中心区域-子区域抑制权重与子区域-子区域抑制权重分别进行径向基函数计算之后分别得到中心区域-子区域抑制权值与子区域-子区域抑制权值；