[发明专利]一种基于视觉颜色理论和同质抑制的轮廓与边界检测算法

摘要

一种基于视觉颜色理论和同质抑制的轮廓与边界检测方法，属于计算机视觉和模式识别的交叉领域，旨在从复杂的自然场景中提取目标的轮廓和边界。本发明通过研究人眼视觉信息处理机制，对视觉通路各级神经元的感受野建立数学模型，同时利用非经典感受野的调制作用来抑制纹理边缘，从而突显轮廓和边界。本发明的创新点在于将人眼颜色信息处理机制引入轮廓与边界检测模型中，通过设置不平衡的视锥输入检测出颜色和亮度边界，保持轮廓的完整性，同时考虑纹理区域的同质性和非经典感受野对经典感受野的同质抑制，采用同质抑制来抑制纹理边缘，从而很好的提取自然图像的轮廓和边界。

主权项

1.一种基于视觉颜色理论和同质抑制的轮廓与边界检测方法，其特征在于，所述方法包括如下步骤：(1)将待检测的图像输入到电子视网膜，被视网膜上的L‑cone、M‑cone、S‑cone三种视锥细胞分为红、绿、蓝三个颜色通道，分别用R(x,y),G(x,y),B(x,y)表示，并计算得到黄色混合通道；(2)视锥细胞处理后，颜色信息经电子视网膜中的神经节细胞传递至外侧膝状体，神经节或外膝体拥有两种颜色拮抗的神经元：一种称为红‑绿拮抗神经元(R‑G)；另外一种被称作蓝‑黄拮抗神经元(B‑Y)；红‑绿拮抗神经元接受相反极性的L和M视锥细胞输出作为输入，蓝‑黄拮抗神经元接受相反极性的S和(M+L)视锥细胞的输出作为输入，以得到红‑绿拮抗神经元的响应信号和蓝‑黄拮抗神经元的响应信号；(3)将双拮抗神经元看成是具有特定朝向选择性的两个相反的单拮抗神经元并行排列而成，视皮层V1区的由并排的单拮抗感受野形成的双拮抗感受野具有朝向选择性；利用双拮抗神经元提取的不同朝向上各个拮抗通道的响应的最大值，结合胜者全取策略，选择所有通道上的最大值及其对应朝向作为轮廓响应和最优朝向；步骤(3)的具体过程为：所述双拮抗神经元用2‑D高斯函数的导数来模拟：式中：x、y表示图像中像素点，表示经过正交旋转变换后图像中像素点，γ代表高斯滤波器的空间长宽比，调节感受野的椭圆率；θ∈[0,2π)，表示细胞的最优响应朝向；σ表示V1区感受野的尺寸，设置为神经节细胞感受野的k倍，且k>1，表明V1区神经元的感受野比前面各层的感受野要大；因此，双拮抗神经元提取的不同朝向上各个拮抗通道的响应：Dr+g‑(x,y；θi,σ)＝|Sr+g‑(x,y)*RF(x,y；θi,σ)|Dr‑g+(x,y；θi,σ)＝|Sr‑g+(x,y)*RF(x,y；θi,σ)|Db+y‑(x,y；θi,σ)＝|Sb+y‑(x,y)*RF(x,y；θi,σ)|Db‑y+(x,y；θi,σ)＝|Sb‑y+(x,y)*RF(x,y；θi,σ)|式中，*表示卷积，θ_i∈[0,2π)，并且i＝1,2...N_θ、N_θ表示用于提取朝向信息的滤波器朝向的个数；由于双拮抗神经元具有朝向选择性，因而选择各个拮抗通道在所有朝向上的最大值作为该拮抗通道的边界响应，即：Drg(x,y)＝max{Dr+g‑(x,y；θi,σ)|i＝1,2...Nθ}Dgr(x,y)＝max{Dr‑g+(x,y；θi,σ)|i＝1,2...Nθ}Dby(x,y)＝max{Db+y‑(x,y；θi,σ)|i＝1,2...Nθ}Dyb(x,y)＝max{Db‑y+(x,y；θi,σ)|i＝1,2...Nθ}相应地，各个拮抗通道对应的最优朝向为：θrg(x,y)＝argmax{Dr+g‑(x,y；θi,σ)|i＝1,2,...Nθ}θgr(x,y)＝argmax{Dr‑g+(x,y；θi,σ)|i＝1,2,...Nθ}θby(x,y)＝argmax{Db+y‑(x,y；θi,σ)|i＝1,2,...Nθ}θyb(x,y)＝argmax{Db‑y+(x,y；θi,σ)|i＝1,2,...Nθ}采用胜者全取策略，选择所有通道上的最大值及其对应朝向作为轮廓响应和最优朝向：(4)利用局部亮度特征和亮度对比度特征来描述感受野中刺激特征的同质性，用DOGh函数描述非经典感受野，同时也考虑距离因素的影响；采用尺度引导策略来综合同质性中的多特征的影响，通过两个尺度的信息，确定同质抑制程度；(5)纹理区域具有同质性，采用同质抑制以减少纹理边缘，利用像素与同质抑制之间的关系即：像素点处于纹理中时，同质抑制的程度大，反之，当像素点处于轮廓或边界上时，同质抑制程度小；得到基于颜色理论和同质抑制的轮廓和边界检测模型；(6)通过非极大值抑制细化轮廓，排除不是单像素宽度的轮廓，并采用基于概率模型的高低自适应阈值以获取高、低阈值，以此进行滞后门限处理，得到二值化的轮廓图。