[发明专利]基于非经典感受野复合调制的夜视图像显著轮廓提取方法

权利要求书

1.一种基于非经典感受野复合调制的夜视图像显著轮廓提取方法，其特征在于：根据一种非经典感受野复合调制模型构建多尺度迭代注意方法，在迭代过程中动态变化非经典感受野复合调制的尺度因子，计算出输入的夜视图像的复合调制结果；在每步迭代过程中，针对输入图像中各像素点，首先采用多维特征对比度MFC加权抑制模型计算各像素点的抑制结果，然后基于编组兴奋投票GEV易化模型计算各像素点的易化结果，最终获得非经典感受野复合调制输出。

2.根据权利要求1所述的基于非经典感受野复合调制的夜视图像显著轮廓提取方法，其特征在于，具体实现步骤如下：

步骤1，输入夜视图像；

步骤2，设置迭代过程的非经典感受野复合调制模型参数：响应方位数                                               ，长宽比，空间频率带宽，非经典感受野nCRF和经典感受野CRF区域半径比，特征空间欧式距离权重，MFC权值随多特征对比度的衰减度，像素点偏好方位误差，曲率和弧长调节系数，复合调制系数，，，迭代次数上限，高斯标准差迭代初值，高斯标准差的迭代步长；根据【1】及上述参数计算CRF和nCRF区域圆形半径和；

                                                             【1】

步骤3，逐行扫描各个像素点，计算各像素点的个方向上的Gabor能量，；由【2】计算nCRF区域内的距离加权函数；

                       【2】

步骤4，针对微光图像高噪声、红外图像模糊的特点，结合空间频率、对比度、同质共生特性和相关共生特性构建特征向量：

计算各像素点CRF特征向量和nCRF特征向量，其中，、、和为CRF区域内归一化的空间频率、对比度、同质共生特性和相关共生特性；、、和为nCRF区域内归一化的空间频率、对比度、同质共生特性和相关共生特性；采用多维特征对比度MFC加权抑制模型即【3】计算特征空间差异对抑制加权，该加权的抑制对图像各像素点方向的作用结果为

                           【3】

步骤5，建立编组兴奋投票GEV易化模型【4】，根据【4】计算图像各像素点方向的GEV易化输出，像素点设为A

                             【4】

其中，，像素点A的nCRF区域内任意像素点的实际偏好方位应满足，并且满足共圆约束，像素点A的nCRF区域内任意像素点设为B；分别为像素A与B的y方向和x方向距离，为像素A与B的共圆夹角。

3.根据权利要求1所述的基于非经典感受野复合调制的夜视图像显著轮廓提取方法，其特征在于：步骤1中所述的夜视图像为微光图像或红外图像。