一種模擬視覺機制的圖像目標物體輪廓檢測方法
2023-05-13 11:25:06
專利名稱：一種模擬視覺機制的圖像目標物體輪廓檢測方法
技術領域：
本發明屬於生物信息技術領域中的圖像處理技術,特別是--種採用模擬視覺機制
對圖像中目標物體輪廓進行檢測的方法。該方法可應用於計算機視覺中的目標物體檢測和 識別等。
背景技術：
輪廓檢測是圖像處理及計算機視覺中一個很重要組成部分。從複雜的背景中正確 地檢測(突出)物體輪廓是一個非常重要而困難的工作。在眾多傳統的圖像處理方法中、 應用於輪廓檢測相對比較成功的經典方法有Canny算子(Canny JF 1986Aco,utational 即proach to edge detection IEEE Trans. Pattern Anal. Mach. Intell. 8 679-698.)、 活動輪廓模型(Kass M， Witkin A， Terzopoulos D 1987Snakes :activecontour models International Journal of Computer Vision 1321—331. ;CasellesV,Kimmel R，S鄰iro G 1997Geodesic Active Contours International Journal of'Co卿uter Vision 22 61-79) 等。這些方法主要利用了圖像中的亮度差別信息進行檢測，無法區分目標輪廓和其它雜亂 邊界。所以在面對圖像中的對比度變化比較大、背景千擾比較多的情況時，這些方法很難得 到比較滿意的結果。 近幾年來，借鑑大腦視覺信息處理機制來設計輪廓檢測的方法受到越來越多的關 注。人類視覺系統能根據視覺環境與條件的變化、對輸入的圖像信息進行各種主觀的調整 和加工。模擬視覺信息處理的基本過程，並在此基礎上進行建模，為研究計算機視覺和人工 智能提供新的思路。到目前為止，比較有代表性的基於視覺機制的輪廓檢測方法有朝向選 擇性抑制輪廓檢測方法(Grigorescu C,Petkov N，Westenberg M 23Contour detection based on nonclassical receptive field inhibition IEEETransactions on Image Processing 12729-739.)、蝶形外周抑制方法(Tang QL，SangN，Zhang TX 2007 Extraction of salient contours from cluttered scenes PatternRecognition 40 3100-3109.)等。 前者利用了初級視皮層神經元的非經典感受野的朝向選擇性的抑制特性來壓制背景紋理 信息，進而達到突出目標物體輪廓的目的。後者在前者的基礎上進--步把非經典感受野分 割成四個部分，即兩個易化型端區和兩個抑制型側區，通過加強輪廓和壓制背景的共同作 用，實現輪廓的提取。上述基於視覺機制的方法取得的輪廓檢測效果總體上均明顯好於傳 統的方法，但這些方法由於沒有自動調節機能、不會隨著外界輸入信息(如對比度、空間頻 率等)的變化而即時地調節其視覺系統以適應外界輸入信息(環境)的變化，因而存在自 適應性差、對複雜場景中的輪廓檢測能力弱，不能從複雜場景中迅速、準確地提取出目標輪 廓、且對輪廓檢測和目標輪廓提取的效果仍較差等缺陷。
發明內容
本發明的目的是針對背景技術存在的缺陷，研究設計一種模擬視覺機制的圖像目 標物體輪廓檢測方法,強化輪廓檢測系統隨外界輸入信息(環境)的變化的自適應能力，以達到有效提高輪廓檢測系統從複雜場景中迅速、準確地提取出目標輪廓的能力、效果和輪 廓的清晰度等目的。 本發明以現代生物學和生理學實驗發現為基礎,根據視覺系統中初級視皮層神經 元的經典感受野(classical rec印tive field, CRF)的外周，即非經典感受野(non-C:RF， nCRF)呈蝶形分布，由兩個端區和兩個側區共四部分組成。本發明將CRF的最優朝向的延長 線穿過的兩個區作為端區，如果有輪廓線存在，則輪廓線一般出現在端區，因為在一個很小 的局部範圍內，輪廓線可以近似為直線或二次曲線；為此，側區採用常規抑制方法壓制背景 紋理及其它幹擾信息，而端區則根據是否可能有輪廓線通過端區而決定端區對中心區抑制 程度的強弱，若輪廓線存在的可能性越大，則設計的端區抑制強度越弱，從而獲得更加符合 人類視覺感受的輪廓檢測結果。因此本發明的解決方案是首先採用Gabor濾波器來模擬 神經元經典感受野對視覺信息的處理，即對於輸入圖像，採用多個朝向的Gabor濾波器組 在兩個不同尺度(頻率)參數下分別對圖像依次進行濾波處理；在一個相同的小尺度(高 頻)參數值的條件下、採用不同朝向Gabor濾波器對輸入的數字圖像依次處理後、輸出的
圖像中各個像素點具有相應的灰度值，從相同位置像素(點)的灰度值中選取其最大值作 為該像素點的灰度值，同時將取得最大值時濾波器的朝向作為該像素點的最優朝向，再對 各像素點的灰度值(最大值)進行歸一化處理，從而得到該圖像的高頻信息分布圖，即得到 輸入圖像中的細節信息，包括輪廓信息和背景紋理信息等；採用相同方法而得到該圖像的 低頻信息分布圖，該布圖主要是圖像中目標的輪廓信息。然後再利用非經典感受野濾波器 對圖像中的紋理等非輪廓信息進行抑制,在對非輪廓信息進行抑制前首先確定非經典感受 野濾波器端區和側區的位置；處理任意一個像素時，根據該像素點的最優朝向旋轉非經典 感受野濾波器，使旋轉後該像素點的最優朝向的延長線通過非經典感受野濾波器端區的中 部。非經典感受野濾波器側區對中心的抑制則採用常規的抑制模式，即利用二維高斯差函
數模板與位於該側區中的高頻信息分布圖進行巻積處理得到該側區對中心的抑制量；而非 經典感受野濾波器端區對中心的抑制量則採用自動調節的方式進行計算、處理，即對於任 意--個像素點，首先檢查其在低頻信息分布圖中的灰度值和非經典感受野濾波器側區對其 的抑制量。如果像素點在低頻信息分布圖中的灰度值越大，表明該點屬於輪廓線的可能性 越大，則端區對其的抑制就應越小(弱)，以避免產生自抑制而影響輪廓線的完整性；另一 方面，非經典感受野濾波器側區對其的抑制量越大(強)，表明此局部區域的信息主要是背 景信息、端區中出現輪廓線的可能性較小,此時則可加大端區對其的抑制強度。根據以上原 則設定端區對中心的抑制量；然後再從高頻信息分布圖中減去端區抑制量和側區抑制量， 即得到非經典感受野濾波器抑制後的輪廓圖；最後再利用常規二值化方法對非經典感受野 濾波器抑制後的輪廓圖進行二值化處理,從而在儘可能地保留輪廓線的完整性的同時、最 大程度地壓制背景幹擾，得到清晰的輪廓檢測結果圖像，實現其發明目的。因此，本發明方 法包括 A. Gabor濾波處理用大、小兩個尺度(頻率)參數、及模擬神經元經典感受野的 具有多個朝向(方位)參數的Gabor濾波器組,對輸入數字圖像中各像素點依次在對應方 位(朝向)進行濾波處理；即在給定Gabor濾波器的-一個小尺度(高頻)參數值的條件下、 採用一組不同朝向參數值的濾波器，依次用每一個朝向的濾波器對輸入圖像中的各像素點 進行濾波處理、得到各像素點經對應朝向(方位)的小尺度(高頻)濾波處理後的一幅灰度圖，再對經各朝向(方位)濾波處理後的灰度圖中每--個位於同--位置處的像素點的灰 度值進行比較，取其灰度值中的最大值作為對應像素點的灰度值、其所對應的濾波器的朝 向作為該像素點的最優朝向，再對各像素點的灰度值(最大值)進行歸一化處理,從而得到 該圖像的高頻信息分布圖；與之相同，在給定Gabor濾波器的一個大尺度(低頻)參數值的 條件下,採用同樣的方式處理得到該圖像的低頻信息分布圖； B.根據各像素點的最優朝向確定非經典感受野相應濾波器的方位首先採用二 維高斯差函數構建一個與小尺度(高頻)參數的Gabor濾波器同心的圓環形的非經典感受 野濾波器，並將其分為兩個以中心為對稱的端區和位於該端區兩側的側區然後將非經典 感受野模板中心依次對準各像素點，並根據步驟A得到的高頻信息分布圖中各像素點對應 的最優朝向、旋轉非經典感受野濾波器，使各像素點最優朝向的延長線依次位於濾波器端 區中部，以確定非經典感受野濾波器的方位； C.確定非經典感受野濾波器側區對其中心像素的抑制量利用二維高斯差函數 作為權重模板，依次與位於各個像素點非經典感受野濾波器側區中的高頻信息分布圖進行 巻積處理，得到非經典感受野濾波器側區對中心位置處像素的抑制量； D.確定非經典感受野濾波器端區對其中心像素的抑制量根據各個像素點在低 頻信息分布圖中的灰度值，以及步驟C所得到非經典感受野濾波器側區對其的抑制量；按 照低頻信息分布圖中的灰度值越大、則減小端區對其的抑制強度(權值)，非經典感受野濾 波器側區對中心像素的抑制量越大、則加大端區對其的抑制強度(權值)，來設定非經典感 受野濾波器端區對中心像素的抑制量； E.製取非經典感受野濾波器抑制後的圖像用高頻信息分布圖中各像素點的灰 度值分別減去對應像素點的側區抑制量和端區抑制量，得到非經典感受野濾波器抑制處理 後的圖像； F. 二值化處理利用常規二值化方法對E步驟所得圖像進行二值化處理，從而得 到最終的輪廓圖。 上述步驟A.中所述用兩個尺度(頻率)參數，其小尺度(高頻)參數取值範圍為
1. 5 2. 5，大尺度(低頻)參數值為小尺度(高頻)參數值的4 5倍。而所述具有多個
朝向的Gabor濾波器組,其不同朝向濾波器的個數為12 18個、且在180度內等弧度分布。
在步驟:B.中所述與小尺度(高頻)參數的Gabor濾波器同心的圓環形的非經典感受野濾
波器，其圓環的內徑與其中心的Gabor濾波器的直徑相同、而外徑則為Gabor濾波器直徑的
3 5倍。所述常規二值化方法包括非極大值抑制和滯後門限方法或閾值方法。 本發明首先採用模擬神經元經典感受野的Gabor濾波器組在兩個不同尺度(頻
率)參數下、分別對輸入的數字圖像不同方位依次進行濾波處理，得到其高頻信息分布圖
和低頻信息分布圖，並根據非經典感受野濾波器側區對中心位置處像素的抑制作用以壓制
紋理及其它局部特徵相似的背景信息、進而突出輪廓信息，根據非經典感受野濾波器端區
對其中心像素的抑制作用綜合利用高頻和低頻信息分布圖和側區抑制量來自動調節端區
的抑制強度，以儘可能地保留輪廓線的完整性的同時、最大程度地壓制背景幹擾，得到非經
典感受野濾波器抑制處理後的圖像；最後經二值化處理即得到目標輪廓圖。因而，本發明檢
測方法具有可隨外界輸入信息(對比度、空間頻率等)變化而即時地調節其視覺系統的自
適應能力強，可有效提高輪廓檢測系統從複雜場景中迅速、準確地提取出目標輪廓的能力、效果和輪廓的清晰度等特點。克服了背景技術不能隨著外界輸入信息的變化即時地調節其 視覺系統，對複雜場景中的輪廓檢測能力弱、所提取目標輪廓的效果差等缺陷。 圖1為本發明方法非經典感受野濾波器與Gabor濾波器及對應像素點最優朝向的 延長線之間相互關係示意圖；圖中l.Gabor(經典感受野)濾波器，2.非經典感受野濾波 器、2 1.非經典感受野濾波器端區、2 2.非經典感受野濾波器側區，3.(中心)像素點， 4.(中心)像素點最優朝向延長線； 圖2為具體實施方式
1人造圖像的輪廓檢測中各主要步驟及最終輪廓圖；其中 2a.人造圖像、2b.高頻(小尺度)信息分布圖、2c.低頻(大尺度)信息分布圖、2d.最終 輪廓圖； 圖3為具體實施方式
2採用本發明方法對自然圖像進行實際檢測的輪廓圖及與 標準輪廓圖、採用兩背景技術檢測的輪廓圖的效果對比圖組；其中3a.原始圖像、3b.標準 輪廓圖、3c.採用各向異性抑制技術所得輪廓圖、3d.採用各向同性抑制技術所得輪廓圖、 3e.本實施方式檢測所得輪廓圖。
具體實施例方式實施例1 :以對人造圖像的輪廓檢測為例 本實施例首先構造一幅包含一條嵌入在具有隨機朝向的雜亂線段背景中"Z"字形 的連續線(即輪廓線)的圖像(如圖2a)作為輸入圖像，圖像大小為512X512(像素)凍 用的小尺度(高頻)Gabor濾波器直徑為15個像素、大尺度Gabor濾波器的直徑為60個像 素；非經典感受野濾波器外徑為48個像素。
具體檢測方法如下 A. Gabor濾波處理給定Gabor濾波器的小尺度(高頻)參數o f = 1. 5、在180° 範圍內取12個朝向，其朝向參數分別為in/12， (i = O，l， ... ，ll)，得到一個小尺度(高 頻)參數為o f = 1. 5及12個不同朝向的Gabor濾波器；然後採用每一朝向的濾波器依 次對輸入圖像中的各像素點進行濾波處理,得到12幅濾波處理後的圖像,其中，當對圖像 在12個不同朝向進行濾波處理後的灰度圖中、對應於(256,256)位置處各圖中該像素點的 灰度值依次為:0. 6266、0. 9861、1. 5656、1. 0326、0. 5459、0. 2712、0. 0280、0. 3273、0. 5576、 0. 2742、 1. 7337、3. 7771，取其中的最大值3. 7771作為(256,256)處的像素灰度值，獲得該 最大值的濾波器的朝向11 ^ A2則為該像素點的最優朝向；按上述方式對其餘各個像素點 進行處理，依次得到各個像素點的灰度值後，再對各像素點的灰度值(最大值)進行歸一
化處理，從而得到該圖像的高頻信息g(x，y;er》分布圖(如圖2b)，歸一化處理後該像素點 (256,256)在高頻信息分布圖中的像素灰度值為O. 4910 ;與此相同，在給定Gabor濾波器的 (大尺度)參數o 。 = 6. 0的條件下，採用同樣的方式處理得到該圖像的低頻信息f (x,y;crj 分布圖(如圖2c); B.根據各像素點的最優朝向確定非經典感受野相應濾波器的方位首先採用二 維高斯差函數構建一個與小尺度(高頻)參數的Gabor濾波器同心的圓環形的非經典感受 野濾波器,並將其等分為兩個以中心為對稱的端區和位於該端區兩側的側區然後將非經
典感受野模板中心對準(256,256)位置處像素點，並根據步驟A得到的高頻信息分布圖中 (256,256)處像素點對應的最優朝向11n/12、旋轉非經典感受野濾波器，使(256,256)處 像素點最優朝向的延長線依位於濾波器端區中部，以確定非經典感受野濾波器的方位；其 餘各像素點按同樣方式處理，依次確定對應的非經典感受野濾波器的方位；
C.確定非經典感受野濾波器側區對其中心像素的抑制量利用二維高斯差函 數作為權重模板，與位於(256,256)位置像素點非經典感受野濾波器側區中的高頻信息 f(256,256;1.5)(分布圖)進行巻積處理，得到非經典感受野濾波器側區對中心位置(256， 256)處像素的抑制量0. 0555,其餘各點按同樣方式處理得到非經典感受野濾波器側區對 各個像素的抑制量為inhside(x， y ; o f); D.確定非經典感受野濾波器端區對其中心像素的抑制量利用二維高斯差函 數作為權重模板，與位於(256,256)像素點的非經典感受野濾波器端區中的高頻信息分 布圖進行巻積處理，得到端區的常規抑制量0. 2799 ;再根據在低頻信息分布圖中該像素 點f(256，256;6.0)的灰度值0. 3405及步驟C所得非經典感受野濾波器側區對其抑制量
0. 0555，本實施例根據『^(x,力=/鄉| —1(xj;c7c)/lf(xj; )li).J"/^(xj;c7,》確定非
經典感受野濾波器端區對中心位置(256,256)處像素的抑制強度(權值)為.196，其中 f^是sigmoid型的函數f一(t.) = iZ(l+e—a(t—T));再將權值0.0196與對應的端區常規抑 制量O. 2799相乘，得到非經典感受野濾波器端區對中心位置(256,256)處像素的抑制量 0. 0055，其餘各點按同樣方式處理確定非經典感受野濾波器端區對各個像素的抑制量；E.製取非經典感受野濾波器抑制後的圖像用高頻信息雲(;c，j;;CT,)分布圖中
(256,256)像素點的灰度值0. 4910分別減去對應像素點的側區抑制量0. 0555和端區抑制 量0. 0055，得到非經典感受野濾波器抑制處理後的灰度值0. 4300，其餘各點按同樣方式處 理，得到非經典感受野濾波器抑制處理後的圖像； F. 二值化處理利用非極大值抑制和滯後門限處理方法對E步驟所得圖像進行二 值化處理，從而得到最終的輪廓圖(如圖2d)。 本實施例從附圖2中2b 2d可看出在對人造圖像的目標輪廓檢測過程中高頻 信息分布圖反映的主要是輸入圖像中的細節信息，而低頻信息分布圖反映的主要是圖像中 目標的輪廓信息,最終的輪廓圖顯示了本發明在有效地壓制背景幹擾的同時,很好地增強 了"Z"字形輪廓。 實施例2 :以對實際自然圖像的輪廓檢測為例 本實施例圖像從目前國際公認的驗證輪廓提取方法效果的圖像庫網站上下載的
Hyena(鬣狗)圖像及其對應的標準輪廓圖，圖像大小均為512X512 ;採用的小尺度(高頻)
Gabor濾波器直徑為19個像素、大尺度Gabor濾波器的直徑為95個像素；非經典感受野濾
波器外徑為64個像素。 本實施例的具體實現過程如下 A. Gabor濾波處理給定Gabor濾波器的小尺度(高頻)參數o f = 2. 0、在180° 範圍內取12個朝向，其朝向參數分別為i II /12， (i = ， 1， . . . ， 11)，得到一個小尺度(高 頻)參數為o f = 2. 0及12個不同朝向的Gabor濾波器；然後採用每--朝向的濾波器依 次對輸入圖像中的各像素點進行濾波處理，得到12幅濾波處理後的圖像，其中，當對圖像在12個不同朝向進行濾波處理後的灰度圖中、對應於(256,256)位置處各圖中該像素點的 灰度值依次為:0. 0791、0. 0885、0. 0890、0. 0891、0. 1002、0. 1051、0. 1060、0. 1111、0. 1042、 0. 01049、0. 0991 、0. 0896,取其中的最大值0. 1111作為(256， 256)處的像素灰度值，獲得該 最大值的濾波器的朝向7/12則為該像素點的最優朝向；按上述方式對其餘各個像素點
進行處理，依次得到各個像素點的灰度值後，再對各像素點的灰度值(最大值)進行歸一化
處理，從而得到該圖像的高頻信息f(x,j;;c^)分布圖，歸一化處理後該像素點(256,256)在 高頻信息分布圖中的像素灰度值為.483 ;與此相同，在給定Gabor濾波器的(大尺度)參 數o 。 = 10. 0的條件下，採用同樣的方式處理得到該圖像的低頻信息f(x,少;&;)分布圖；
B.根據各像素點的最優朝向確定非經典感受野相應濾波器的方位首先採用二 維高斯差函數構建一個與小尺度(高頻)參數的Gabor濾波器同心的圓環形的非經典感受 野濾波器，並將其等分為兩個以中心為對稱的端區和位於該端區兩側的側區然後將非經 典感受野模板中心對準(256,256)位置處像素點，並根據步驟A得到的高頻信息分布圖中 (256,256)處像素點對應的最優朝向7 n /12、旋轉非經典感受野濾波器，使(256,256)處像 素點最優朝向的延長線依位於濾波器端區中部，以確定非經典感受野濾波器的方位；其餘 各像素點按同樣方式處理，依次確定對應的非經典感受野濾波器的方位；
C.確定非經典感受野濾波器側區對其中心像素的抑制量利用二維高斯差函 數作為權重模板，與位於(256,256)位置像素點非經典感受野濾波器側區中的高頻信息 f(256,256;2,0)(分布圖)進行巻積處理，得到非經典感受野濾波器側區對中心位置(256， 256)處像素的抑制量0.0367,其餘各點按同樣方式處理得到非經典感受野濾波器側區對 各個像素的抑制量為inhsidf5(x， y ; o f); D.確定非經典感受野濾波器端區對其中心像素的抑制量利用二維高斯差函數 作為權重模板，與位於(256,256)位置像素點非經典感受野濾波器端區中的高頻信息分 布圖進行巻積處理，得到端區的常規抑制量0. 0365 ;再根據在低頻信息分布圖中該像素 點f (256,256;10.0)的灰度值0. 0669及歩驟C所得非經典感受野濾波器側區對其抑制量
0. 0367,本實施例根據『^(x,力=/sig| —f(x,y;cre)/,(x,y;og|j'勵涵(x，j;;crj確定非
經典感受野濾波器端區對中心位置(256,256)處像素的抑制強度(權值)為0.0744，其中 48是sigmoid型的函數f^(t) = l/(l+e—a(t—T));再將權值0.0744與對應的端區常規抑 制量0. 0365相乘,得到非經典感受野濾波器端區對中心位置(256,256)處像素的抑制量 .(X)27，其餘各點按同樣方式處理確定非經典感受野濾波器端區對各個像素的抑制量； E.製取非經典感受野濾波器抑制後的圖像用高頻信息五^，j;;^J分布圖中
(256,256)像素點的灰度值0. 0483分別減去對應像素點的側區抑制量0. 0367和端區抑制 量0. 0027，得到非經典感受野濾波器抑制處理後的灰度值0. 0089，其餘各點按同樣方式處 理，得到非經典感受野濾波器抑制處理後的圖像； F. 二值化處理利用非極大值抑制和滯後門限處理方法對E步驟所得圖像進行二 值化處理，從而得到最終的輪廓圖。 圖3中3c、3d分別為採用各向異性抑制及各向同性抑制方法所得輪廓圖；3e為本 發明方法所得輪廓圖；從視覺直接觀察即可清楚看出，本實施例獲得的圖像輪廓、其輪廓線
8的完整性及對背景紋理(草地)的壓制強度，遠優於兩背景技術； 經定量檢測各向異性抑制方法和各向同性抑制方法在採用Gabor濾波器的尺度 (頻率)參數為2. 4時、得到輪廓圖的性能評估指標P值(輪廓突出性和對背景壓製程度的 綜合指標)分別為.49， 0. 51 ;而本實施例採用大、小兩個尺度(頻率)的Gabor濾波器的 參數分別為10. 0和2. 0時、所得輪廓圖的性能評估指標P值為0. 70 ;因此，本實施例所得 輪廓圖在輪廓突出性和對背景壓製程度的綜合效果比採用各向異性抑制方法及各向同性 抑制方法分別提高42. 9%及37. 3% 。
權利要求
一種模擬視覺機制的圖像目標物體輪廓檢測方法，包括A.Gabor濾波處理用大、小兩個尺度參數、及模擬神經元經典感受野的具有多個朝向參數的Gabor濾波器組，對輸入數字圖像中各像素點依次在對應方位進行濾波處理；即在給定Gabor濾波器的一個小尺度參數值的條件下、採用一組不同朝向參數值的濾波器，依次用每一個朝向的濾波器對輸入圖像中的各像素點進行濾波處理、得到各像素點經對應朝向的小尺度濾波處理後的一幅灰度圖，再對經各朝向濾波處理後的灰度圖中每一個位於同一位置處的像素點的灰度值進行比較，取其灰度值中的最大值作為對應像素點的灰度值、其所對應的濾波器的朝向作為該像素點的最優朝向，再對各像素點的灰度值進行歸一化處理，從而得到該圖像的高頻信息分布圖；與之相同，在給定Gabor濾波器的一個大尺度參數值的條件下，採用同樣的方式處理得到該圖像的低頻信息分布圖；B.根據各像素點的最優朝向確定非經典感受野相應濾波器的方位首先採用二維高斯差函數構建一個與小尺度參數的Gabor濾波器同心的圓環形的非經典感受野濾波器，並將其分為兩個以中心為對稱的端區和位於該端區兩側的側區然後將非經典感受野模板中心依次對準各像素點，並根據步驟A得到的高頻信息分布圖中各像素點對應的最優朝向、旋轉非經典感受野濾波器，使各像素點最優朝向的延長線依次位於濾波器端區中部，以確定非經典感受野濾波器的方位；C.確定非經典感受野濾波器側區對其中心像素的抑制量利用二維高斯差函數作為權重模板，依次與位於各個像素點非經典感受野濾波器側區中的高頻信息分布圖進行卷積處理，得到非經典感受野濾波器側區對中心位置處像素的抑制量；D.確定非經典感受野濾波器端區對其中心像素的抑制量根據各個像素點在低頻信息分布圖中的灰度值，以及步驟C所得到非經典感受野濾波器側區對其的抑制量；按照低頻信息分布圖中的灰度值越大、則減小端區對其的抑制強度，非經典感受野濾波器側區對中心像素的抑制量越大、則加大端區對其的抑制強度，來設定非經典感受野濾波器端區對中心像素的抑制量；E.製取非經典感受野濾波器抑制後的圖像用高頻信息分布圖中各像素點的灰度值分別減去對應像素點的側區抑制量和端區抑制量，得到非經典感受野濾波器抑制處理後的圖像；F.二值化處理利用常規二值化方法對E步驟所得圖像進行二值化處理，從而得到最終的輪廓圖。
2. 按權利要求1所述模擬視覺機制的圖像目標物體輪廓檢測方法，其特徵在於所述用 兩個尺度參數，其小尺度參數取值範圍為1. 5 2. 5，大尺度參數值為小尺度參數值的4 5倍。
3. 按權利要求1所述模擬視覺機制的圖像目標物體輪廓檢測方，其特徵在於所述具有 多個朝向的Gabor濾波器組,其不同朝向濾波器的個數為12 18個、且在180度內等弧度 分布。
4. 按權利要求1所述模擬視覺機制的圖像目標物體輪廓檢測方，其特徵在於所述與小 尺度參數的Gabor濾波器同心的圓環形的非經典感受野濾波器，其圓環的內徑與其中心的 Gabor濾波器的直徑相同、而外徑則為Gabor濾波器直徑的3 5倍。
5. 按權利要求1所述模擬視覺機制的圖像目標物體輪廓檢測方，其特徵在於所述常規 二值化方法包括非極大值抑制和滯後門限方法或閾值方法。
全文摘要
該發明屬於生物信息技術中採用模擬視覺機制對圖像目標物輪廓進行檢測的技術，包括採用大、小兩個尺度參數及多個朝向進行Gabor濾波，確定非經典感受野相應濾波器的方位及其側區和端區對中心像素的抑制量、並製取抑制後的圖像，再經常規二值化處理即得目標輪廓圖。該發明首先用Gabor濾波器組在兩個不同尺度參數下、分別對圖像在不同方位進行濾波，得到其高頻信息分布圖和低頻信息分布圖，再利用非經典感受野濾波器對其中的紋理等非輪廓信息進行抑制處理等。因而具有隨外界輸入信息變化的自適應能力強，可有效提高輪廓檢測系統從複雜場景中迅速、準確地提取出目標輪廓的能力、效果和輪廓的清晰度等特點。
文檔編號G06T7/00GK101763641SQ20091026506
公開日2010年6月30日 申請日期2009年12月29日 優先權日2009年12月29日
發明者曾馳, 李朝義, 李永傑, 楊開富 申請人:電子科技大學