[发明专利]一种基于X、Y并行视觉通道响应的仿生型轮廓检测方法有效

专利信息
申请号: 201911390981.4 申请日: 2019-12-30
公开(公告)号: CN111179294B 公开(公告)日: 2020-09-15
发明(设计)人: 林川;万术娟;乔亚坤;张晓;潘勇才;刘青正;张玉薇;李福章;张晴;王垚;王蕤兴;韦艳霞 申请(专利权)人: 广西科技大学
主分类号: G06T7/13 分类号: G06T7/13
代理公司: 长沙正奇专利事务所有限责任公司 43113 代理人: 周晟;文信家
地址: 545006 广西*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 并行 视觉 通道 响应 仿生 轮廓 检测 方法
【说明书】:

发明提供一种基于X、Y并行视觉通道响应的仿生型轮廓检测方法,包括以下步骤:A、输入经灰度处理的待检测图像,构建视网膜神经节细胞与外膝体中的X型细胞和Y型细胞仿真模型;B、X型细胞的初始响应值的计算;C、Y型细胞的初始响应值的计算;D、X、Y型细胞的经典感受野响应值的计算;E、X、Y型细胞的轮廓响应值的计算;F、最终轮廓响应值的计算;G、最终轮廓响应值的计算。该方法克服现有技术轮廓识别率低的缺陷,具有仿真效果好、轮廓识别率高的特点。

技术领域

本发明涉及图像处理领域,具体涉及一种基于X、Y并行视觉通道响应的仿生型轮廓检测方法。

背景技术

轮廓定义目标的形状,轮廓是目标识别中的重要任务之一,而从杂乱场景中获取的目标轮廓是一项重要且相当困难的任务,主要是因为轮廓周围通常存在大量纹理背景的边缘,因此这项工作主要需要排除由于纹理区域的无意义边缘,而保留目标轮廓。提高检测率的关键在于能基于上下文将局部信息优化整合成一致的全局特征。人类视觉系统具有快速和有效的从复杂场景中提取轮廓特征的能力,有效促进了以生物特性作为启发的轮廓检测算法研究的发展。由光引起的神经元信号起始于视网膜,这些信号经过通过视网膜的神经节细胞的轴突传递至中继站外膝体(LGN),然后由外膝体神经元直接经视放射到视皮层,形成了视觉的第一通路。生理研究表明,V1层神经元具有方位选择性,且在其经典感受野(Classical Receptive Rield,CRF)外存在非经典感受野(Non-Classical ReceptiveRield,NCRF)区域,虽然单独刺激该区域没有响应,但可以对CRF具有一定的调制作用。

Rodieck于1965年提出了关于同心圆拮抗式感受野的数学模型,它由一个兴奋作用强的中心机制和一个作用较弱但面积更大的抑制性周边机制所构成。Rodieck模型又称高斯差模型,difference oftwo Gaussians,DOG。1966年Enroth-Cugell和Robson观察猫GC可以按其反应的空间-时间总和性质而划分为两类:一类细胞反应的空间总和特性大体符合Rodieck模型,即它们的感受野兴奋和抑制作用是可以线性相加的,称X型细胞;另一类GC的空间总和性质是非线性的,Rodieck模型对其不甚适用,称为Y型细胞。Enroth-Cugell etal.发现神经节细胞中一些细胞(X型细胞)的感受野空间特性近似于线性的,而另一些细胞(Y型细胞)很大程度上表现出非线性的空间特征,这些特性同样存在于外膝体细胞中。目前许多受生物学启发的轮廓检测模型都只是简单地模拟视觉系统中生理特性的一部分,在轮廓提取的过程中,轮廓信息的缺失以及纹理信息不能完全被抑制这类问题依旧存在,表明轮廓检测性能还需要进一步的提高。

发明内容

本发明旨在提供一种基于X、Y并行视觉通道响应的仿生型轮廓检测方法,该方法克服现有技术仿真效果差、轮廓识别率低的缺陷,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X、Y并行视觉通道响应的仿生型轮廓检测方法,包括以下步骤:A、输入待检测图像,构建视网膜神经节细胞与外膝体中的X型细胞和Y型细胞仿真模型;B、对X型细胞的初始响应值进行计算;C、对Y型细胞的初始响应值进行计算;D、结合X型细胞的初始响应值、Y型细胞的初始响应值对X、Y型细胞的经典感受野响应值进行计算;E、对X、Y型细胞的轮廓响应值进行计算;F、对最终轮廓响应值的计算;G、对最终轮廓值进行计算。

优选地,基于X、Y并行视觉通道响应的仿生型轮廓检测方法,包括以下步骤:

A、输入经灰度处理的待检测图像,构建视网膜神经节细胞与外膝体中的X型细胞和Y型细胞仿真模型;

B、X型细胞的初始响应值的计算:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广西科技大学,未经广西科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911390981.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top