[发明专利]基于改进非经典感受野的仿生轮廓检测方法

说明书

本发明旨在提供一种基于改进非经典感受野的仿生轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像；B、预设包含多个方向参数的Gabor滤波函数，对待检测图像中的各个像素点分别进行经典感受野刺激响应，对应的方向作为该像素点的最优方向；C、利用log函数构建抑制核函数，通过抑制核函数构建距离权重函数；将各个像素点的经典感受野刺激响应与该像素点的距离权重函数进行卷积得到该像素点的抑制响应；D、将各个像素点的经典感受野刺激响应减去该像素点的抑制响应与预设的抑制强度的乘积，并计算得到该像素点的最终轮廓值。该检测方法克服现有技术的缺陷，具有符合视觉感受野的空间特性以及检测效果更好的特点。

技术领域

本发明涉及图像处理领域，具体涉及一种基于改进非经典感受野的仿生轮廓检测方法。

背景技术

对于非经典感受野区域，有很多不同抑制情况的模型。而传统的蝶型抑制模型，是在DoG 抑制模型的基础之上，通过人工限定侧区和端区的区域来完成背景纹理信息的抑制；这样的蝶型抑制核是通过人工进行区域的划分，首先需要通过±45°的准线对非经典感受野进行侧翼和顶区的划分，从而得出一个非自动划定区域的蝶型抑制模型。在该蝶型抑制模型中，侧区和端区有着不同的工作规则，即侧区抑制强度的计算是基于一个精确的尺度特征来完成的，端区抑制强度的计算则是随着不同空间尺度上的局部特征而自适应变化的。在有可能存在有效轮廓的局部纹理区域中，端区会对经典感受野施加一个较弱的抑制，相反地在充满着随机的纹理元素的区域，会施加一个较强的抑制。传统的蝶型抑制模型并不能实现抑制区域的自动划分以及抑制模型利用像素点的最优方向进行合理旋转，因此，大大增加了整个轮廓检测过程的时间成本。

发明内容

本发明旨在提供一种基于改进非经典感受野的仿生轮廓检测方法，该检测方法克服现有技术的缺陷，具有检测效果好、检测效率高的特点。

本发明的技术方案如下：

一种基于改进非经典感受野的仿生轮廓检测方法，包括以下步骤：

A、输入经灰度处理的待检测图像；

B、预设包含多个方向参数的Gabor滤波函数，对待检测图像中的各个像素点分别利用 Gabor滤波函数进行Gabor能量计算，获得各个像素点的各个方向下的Gabor能量值；对于各个像素点，选取其各个方向的Gabor能量值中的最大值，作为该像素点的经典感受野刺激响应，该最大值对应的方向作为该像素点的最优方向；

C、构建抑制核函数，通过抑制核函数构建距离权重函数；将各个像素点的经典感受野刺激响应与该像素点的距离权重函数进行卷积得到该像素点的抑制响应；

所述的抑制核函数log(x,y；ε,σ_w)为：

其中为像素点(x,y)的最优方向，ε＝0.1，σ_w为抑制核尺度；

D、将各个像素点的经典感受野刺激响应减去该像素点的抑制响应与预设的抑制强度的乘积，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，得到各个像素点的最终轮廓值。

优选地，所述的步骤B具体如下：

所述的Gabor滤波函数的表达式如下：

其中γ为一个表示椭圆形感受野长短轴比例的常数，参数λ为波长，σ为尺度，1/λ为余弦函数的空间频率，是相角参数，θ为Gabor滤波的方向参数；

Gabor能量值计算如下：

其中