[发明专利]基于尺度线索抑制的轮廓检测方法

权利要求书

1.一种基于尺度线索抑制的轮廓检测方法，其特征在于包括以下步骤：

A、输入经灰度处理的待检测图像，预设抑制强度，预设均分圆周的多个方向参数，对待检测图像中的各像素点的灰度值分别按照各方向参数进行二维高斯一阶导函数滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的经典感受野刺激响应；

B、预设高斯差分函数，对该函数的正值和负值进行归一化处理，得到归一化的高斯差分滤波函数；

C、利用归一化的高斯差分滤波函数分别与各像素点的灰度值进行卷积，得到各像素点的归一化高斯差分滤波值；

D、预设尺度线索的高尺度值、低尺度值，预设阈值，将各像素点的归一化高斯差分滤波值分别与阈值进行对比，若该像素点归一化高斯差分滤波值大于或等于阈值，则该像素点对应的尺度线索为高尺度值，若该像素点归一化高斯差分滤波值小于阈值，则该像素点对应的尺度线索为低尺度值；

E、对于尺度线索为高尺度值的各像素点：将该像素点的高尺度值与抑制强度相乘得到该像素点的抑制响应；

对于尺度线索为低尺度值的各像素点：将该像素点的的低尺度值与抑制强度相乘得到该像素点的抑制响应；

将各像素点的经典感受野刺激响应减去该像素点的抑制响应，得到该像素点的轮廓响应，对轮廓响应使用非极大值抑制和双阈值处理，得到各像素点的最终轮廓值，进而得到最终轮廓图。

2.如权利要求1所述的基于尺度线索抑制的轮廓检测方法，其特征在于：

所述的步骤A具体为：

所述的二维高斯一阶导函数如下：

其中γ＝0.5，σ为初始化尺度，θ为方向参数；

所述的各像素点的各方向的响应值e_i(x,y；θ_i,σ)为：

e_i(x,y；θ_i,σ)＝|I(x,y)*GD(x,y；θ_i,σ)| (2)；

其中θ_i为方向参数中的某一方向；N_θ为方向参数的数量；I(x,y)为待检测图像中的各像素点的灰度值；

各像素点的经典感受野刺激响应CRF(x,y；σ)为：

CRF(x,y；σ)＝max{e_i(x,y；θ_i,σ)|i＝1,2,...N_θ} (3)。

3.如权利要求2所述的基于尺度线索抑制的轮廓检测方法，其特征在于：

所述的步骤B具体为：

所述的高斯差分函数DoG_σ(x,y)为：

所述的归一化高斯差分滤波函数w_σ(x,y)为：

4.如权利要求3所述的基于尺度线索抑制的轮廓检测方法，其特征在于：

所述的步骤C具体为：

所述的归一化高斯差分滤波值wout_σ(x,y)为：

wout_σ(x,y)＝I(x,y)*w_σ(x,y) (7)。

5.如权利要求4所述的基于尺度线索抑制的轮廓检测方法，其特征在于：

所述的步骤D具体为：

所述的尺度线索S(x,y)为：

其中σ_H为高尺度值，σ_L为低尺度值，σ_H＝σ_L+s，t为阈值，s为尺度的步长。

6.如权利要求5所述的基于尺度线索抑制的轮廓检测方法，其特征在于：所述的阈值t为趋近于0的数值。

7.如权利要求6所述的基于尺度线索抑制的轮廓检测方法，其特征在于：

所述的步骤E具体为：

所述的抑制响应Inh(x,y)为：

Inh(x,y)＝α·S(x,y) (9)；

所述的轮廓响应R(x,y)为：

R(x,y)＝H(CRF(x,y；σ)-αInh(x,y)) (10)；

其中H(x)＝max(0,x)，α为抑制强度。