[发明专利]基于可变感受野尺度全局调制的轮廓检测方法

权利要求书

1.一种基于可变感受野尺度全局调制的轮廓检测方法，其特征在于包括以下步骤：

A、输入经灰度处理的待检测图像，对各像素点的灰度值利用高斯差分函数进行高斯差分滤波，得到各像素点的高斯差分滤波值，分别对各像素点的高斯差分滤波值中的正值和负值进行归一化处理，得到各像素点的归一化高斯差分滤波函数；利用各像素点的归一化高斯差分滤波函数分别与对应像素点的灰度值进行卷积，得到各像素点的归一化高斯差分滤波值；

B、预设尺度函数的高尺度值、低尺度值，预设阈值，将各像素点的归一化高斯差分滤波值分别与阈值进行对比，若该像素点归一化高斯差分滤波值大于或等于阈值，则该像素点对应的尺度函数值为高尺度值，若该像素点归一化高斯差分滤波值小于阈值，则该像素点对应的尺度函数值为低尺度值；

C、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Gabor滤波，获得各像素点的各方向的响应值，其中Gabor滤波中所采用的尺度函数值为各个像素点在步骤B中所确定的高尺度值或低尺度值；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；

D、将各像素点的经典感受野刺激响应与该像素点的距离权重函数进行卷积后与该像素点对应的尺度相乘，得到各像素点的抑制响应；

E、将各像素点的经典感受野刺激响应减去该像素点的抑制响应与抑制强度的乘积，得到该像素点的轮廓响应，对轮廓响应使用非极大值抑制和双阈值处理，得到各像素点的最终轮廓值，进而得到最终轮廓图。

2.如权利要求1所述的基于可变感受野尺度全局调制的轮廓检测方法，其特征在于：

所述的步骤A具体为：

所述的高斯差分函数DoG_σ(x,y)为：

其中σ为初始化尺度；

所述的归一化高斯差分滤波函数w_σ(x,y)为：

所述的归一化高斯差分滤波值wout_σ(x,y)为：

wout_σ(x,y)＝I(x,y)*w_σ(x,y) (3)。

3.如权利要求2所述的基于可变感受野尺度全局调制的轮廓检测方法，其特征在于：

所述的步骤B具体为：

所述的尺度函数σ(x,y)为：

其中σ_H为高尺度值，σ_L为低尺度值，σ_H＝σ_L+s，t为趋近于0的阈值，s为尺度的步长。

4.如权利要求3所述的基于可变感受野尺度全局调制的轮廓检测方法，其特征在于：

所述的步骤C具体为：

所述的Gabor滤波器组的二维Gabor函数表达式如下：

其中γ为一个表示椭圆形感受野长短轴比例的常数，参数λ为波长，σ(x,y)为尺度函数，1/λ为余弦函数的空间频率，是相角参数，θ为Gabor滤波的方向参数；

I(x,y)为待检测图像各像素点的灰度值，*为卷积运算符；

Gabor能量值计算如下：

其中θ_i为Gabor滤波的某一方向，N_θ为Gabor滤波的方向的个数；

所述的经典感受野刺激响应Ec(x,y；σ(x,y))为：

5.如权利要求4所述的基于可变感受野尺度全局调制的轮廓检测方法，其特征在于：

所述的步骤D具体为：

所述的距离权重函数w_σ(x,y)为：

其中，

其中，||·||₁为L¹范数，H(x)＝max(0,x)，DoG(x,y)为DoG模板对应的表达式；

各像素点的抑制响应Inh(x,y)为：

Inh(x,y)＝Ec(x,y；σ(x,y))*w_σ(x,y)σ(x,y) (11)。

6.如权利要求5所述的基于可变感受野尺度全局调制的轮廓检测方法，其特征在于：

所述的步骤E具体为：

所述的轮廓响应R(x,y)为：

R(x,y)＝H(Ec(x,y；σ(x,y))-αInh(x,y)) (12)；

其中H(x)＝max(0,x)，α为抑制强度。