[发明专利]一种基于时空脉冲编码的图像轮廓提取方法

说明书

本发明公开了一种基于时空脉冲编码的图像轮廓提取方法，具体按照以下步骤实施：步骤1、读取输入图像；步骤2、利用二维Gabor函数模拟简单神经节细胞感受野和复杂神经节细胞的感受野来处理输入图像；步骤3、利用非经典感受野的各向异性抑制，对提取出的结果做初步的纹理抑制；步骤4、利用高斯函数赋予权值处理纹理抑制后的图像，并编码成时间序列；步骤5、利用漏积分点火神经元模型将步骤4得到的时间脉冲序列编码为脉冲发放频率输出，并做细化处理和二值化处理，输出最终的图像轮廓提取结果。

技术领域

本发明属于图像处理技术领域，涉及一种基于时空脉冲编码的图像轮廓提取方法。

背景技术

轮廓含有图像非常重要的特征，提取图像轮廓信息有助于获取目标的大小、位置和方向等信息。精准有效的提取图像主体轮廓不仅能减少信息冗余，而且能降低后续图像分析和处理的时间复杂神经节度。

目前有很多图像边缘提取方法，如基于一阶微分算子Canny算子、Sobel算子、Prewitt算子、Roberts算子等，来编码图像的边缘信息。由于这些算法都是基于单纯的数学计算求得图像像素点的灰度变化这一原理来提取图像轮廓，虽然算法实现比较简单神经节，对于简单神经节的图像有较好的效果，但是处理复杂神经节图像时，轮廓提取精确度会变得很差，主体轮廓提出取出来的同时也会提取出非常多的背景边缘。

20世纪80年代李朝义院士发现了除经典感受野外，还存在着外周更大的非经典感受野来调节经典感受野的结果，随后学者们开始构建基于非经典感受野抑制特性的周围抑制轮廓提取编码模型。2003年，Grigorescu等人将非经典感受野的抑制作用引入轮廓提取任务中，构建了各向异性抑制模型和各向同性抑制的计算模型0。随后桑农，曾驰等人提出了蝶形感受野结构的非经典感受野抑制算法，杨开富提出了基于多特征的MCI算法。和传统边缘检测算法相比较，这些基于视觉信息处理机制的算法能够很好的抑制背景边缘的提取，提高主体轮廓的提取精度。

发明内容

本发明的目的是提供一种基于时空脉冲编码的图像轮廓提取方法，解决现有技术中对轮廓提取时会同时提取出大部分背景纹理边缘的问题。

本发明所采用的技术方案是，一种基于时空脉冲编码的图像轮廓提取方法，具体按照以下步骤实施：

步骤1、读取输入图像；

步骤2、利用二维Gabor函数模拟简单神经节细胞感受野和复杂神经节细胞感受野来处理输入图像；

步骤3、利用非经典感受野的各向异性抑制，对提取出的结果做初步的纹理抑制；

步骤4、利用高斯函数赋予权值处理纹理抑制后的图像，并编码成时间脉冲序列；

步骤5、利用漏积分点火神经元模型将步骤4得到的时间脉冲序列编码为脉冲发放频率输出，并做细化处理和二值化处理，输出最终的图像轮廓提取结果。

步骤2中模拟简单神经节细胞感受野具体为：

使用4个尺度12个方向的二维Gabor函数模拟简单神经节细胞感受野处理输入图像，初步提取出轮廓结果；

二维Gabor函数为

其中参数γ＝0.5为空间纵横比，决定感受野的椭圆度；参数σ为高斯函数的标准偏差，决定感受野的大小；参数λ是余弦因数的波长，而1/λ是余弦因数的空间频率；比率σ/λ＝0.56决定在接收场中可以观察到平行的兴奋性和抑制性条带区域的数量；角度θ∈(0，π)决定感受野的朝向；参数和构成奇偶滤波器来模拟简单神经节细胞感受野，将简单神经节细胞感受野函数与输入的图像f(x,y)进行卷积，得到简单神经节细胞感受野的响应