[发明专利]基于非经典感受野调制神经网络的轮廓检测方法及系统

摘要

本发明公开了基于非经典感受野调制神经网络的轮廓检测方法及系统，包括：利用多尺度采样构造一组多分辨率图像金字塔；对每个尺度的图像集合利用稀疏自编码器无监督学习简单细胞感受野的特征表达，得到图像的不同低层特征映射；分别为不同的感受野细胞产生的特征映射构造一个与之匹配的调制环境；根据非经典感受野中的信息对感受野所产生的响应进行调制，并融合不同特征的调制结果成统一的特征表达；联合不同尺度的结果输入分类器计算轮廓概率。本发明利用非经典感受野中的信息对感受野中的响应产生抑制或易化的调制作用，大量地减少无意义的琐碎纹理边缘，并突出区域的边界，保存图像的显著性结构，提高图像的轮廓检测性能。

主权项

1.基于非经典感受野调制神经网络的轮廓检测方法，其特征在于，包括：步骤1、对原始图像集合进行多尺度采样产生多分辨率图像，以得到不同尺度的训练图像集合；步骤2、建立非经典感受野调制神经网络，设置网络的层数和节点数，初始化所述非经典感受野调制神经网络中的感受野层的参数，定义所述非经典感受野调制神经网络的目标函数；步骤3、基于所述不同尺度的训练图像集合训练非经典感受野调制神经网络：利用传统的神经网络反向传播算法有监督地最小化所述非经典感受野调制神经网络的目标函数，以获得优化后的非经典感受野调制神经网络中的感受野层的参数，最终得到完成优化的非经典感受野调制神经网络；步骤4、将待识别图像输入所述优化的非经典感受野调制神经网络，得到待识别图像中每个像素属于轮廓的概率；步骤5、对待识别图像的轮廓概率结果进行阈值化处理，将概率值低于预设值的像素置为0，并通过非最大抑制方法进行轮廓细化，最后输出待识别图像的轮廓检测结果。