[发明专利]一种基于初级视皮层细胞特性的图像检测方法

摘要

公开一种基于初级视皮层细胞特性的图像边缘检测方法，包括下列步骤分开建立空间滤波器和时间滤波器来模拟简单细胞的感受野；对空间滤波器和时间滤波器进行整合，得到奇偶时空滤波器；输入图像序列分别与奇偶时空滤波器进行卷积滤波处理，得到对特定方向θ和特定速率Vc敏感的简单细胞响应值；对简单细胞响应进行整合，得到复杂细胞响应；对复杂细胞响应进行解码，建立边缘强度函数，实现图像的边缘检测。本发明构建的细胞模型能够基本拟合生物数据，具有方向选择特性；能够很好地解决传统边缘检测方法中边缘检测精度和抗噪性能均衡难度大这一问题。

主权项

一种基于初级视皮层细胞特性的图像检测方法，包括下列步骤：步骤1：分开建立空间滤波器和时间滤波器来模拟简单细胞的感受野；设定空间平面部分为二维伽柏内核Gabor滤波器S(X，Y)，时间部分为指数延迟函数T(t)：S(X,Y)=e(-(X2+Y2)/2σ2)ej2π(fscos(θ)X+fssin(θ)Y)]]>T(t)=e(-t/τ)ej2πftt]]>其中：X＝(xij)m×m，Y＝(yij)m×m，xij，yij表示图像像素平面上的坐标，因此Gabor滤波器S(X，Y)为m×m大小的矩阵，m为大于0的整数；θ是简单细胞的偏好方向，取值范围为(0，π)，代表滤波器的响应值随着输入刺激朝向的变化而变化，当刺激朝向与偏好方向一致时响应最大；σ为空间尺度常量，取值范围为1‑10；fs为空间频率；t代表时间；τ为时间尺度常量，取值范围为5‑10；ft为时间频率且为M×1的矩阵，M为大于0的整数；定义细胞偏好速率为：Vc＝ft/fs；fs和ft是基于控制变量法实验仿真得到的数据；步骤2：对空间滤波器和时间滤波器进行整合，得到奇偶时空滤波器；根据欧拉公式，空间滤波器S(X，Y)和时间滤波器T(t)可改写为：S(X,Y)=e(-(X2+Y2)/2σ2)(cosβ+jsinβ)]]>T(t)＝e(‑t/τ)[cos(2πftt)+j sin(2πftt)]其中：β＝2π(fscos(θ)X+fssin(θ)Y)，定义空间滤波器的实部与虚部分别为So(X，Y)，Se(X，Y)，时间滤波器的实部与虚部分别为To(t)，Te(t)则：S(X，Y)＝So(X，Y)+jSe(X，Y)T(t)＝To(t)+jTe(t)定义奇时空滤波器Go(X，Y，t)和偶时空滤波器Ge(X，Y，t)如下：Go(X，Y，t)＝So(X，Y)Te(t)+Se(X，Y)To(t)Ge(X，Y，t)＝So(X，Y)To(t)+Se(X，Y)Te(t)步骤3：输入图像序列分别与奇偶时空滤波器进行卷积滤波处理，得到对特定方向θ和特定速率Vc敏感的简单细胞响应值；通过对输入视频图像序列P(x，y，t)与奇、偶时空滤波器进行卷积滤波，获得对特定方向θ和特定速率Vc敏感的简单细胞响应值：Ro(x,y,t)=(Go(X,Y,t)*(x,y,t)P)(x,y,t)]]>Re(x,y,t)=(Ge(X,Y,t)*(x,y,t)P)(x,y,t)]]>这两个公式等价于：其中Go(X，Y，t)代表奇时空滤波器，Ge(X，Y，t)代表偶时空滤波器，Go/e(X，Y，t)代表奇偶时空滤波器，P代表输入视频图像序列，三个公式等号右边大括号内的公式分别代表奇时空滤波器、偶时空滤波器、奇偶时空滤波器作为m×m大小的滑窗与视频图像序列进行卷积，表示所述滑窗对输入视频图像逐个像素进行卷积，大括号外的(x，y，t)表示卷积结果相对应的坐标位置(x，y)和时间t；步骤4：对简单细胞响应进行整合，得到复杂细胞响应；采用能量模型公式，由简单细胞响应值求得复杂细胞响应：E(x，y，t)＝Ro(x，y，t)2+Re(x，y，t)2归一化方式采用：EV1(x,y,t)=E(x,y,t)Σi=1NE(x,y,t,θi)+ϵ]]>式中θi＝kπ/N，k＝0，…，N‑1，为空间均匀分布的N个细胞各自的偏好方向，E(x，y，t，θi)表示不同偏好方向的细胞响应，表示N个不同偏好方向的细胞响应求和；0＜ε＜1，为较小常数，以避免归一化式中分母为0，N取值范围为4‑12；步骤5：对复杂细胞响应进行解码，建立边缘强度函数，实现图像的边缘检测；解码细胞响应，边缘强度函数Q(x，y)如下：Q(x,y)=Σi=1NE(x,y,t,θi)]]>Q(x，y)反应群体初级视皮层细胞模型对具体空间位置的激活状态，象征边缘的强弱；在弱边缘区或无边缘区，Q(x，y)值较小；而在强边缘区，Q(x，y)值较大；取t＝0表示P(x，y，t)为静态图像，即所建立的三维感受野模型最终用于静态图像的边缘检测。