一种基于局部边缘特征整合的目标物体轮廓提取方法技术

本发明专利技术公开了一种基于局部边缘特征整合的目标物体轮廓提取方法，首先采用一组不同朝向的Gabor滤波器组对输入的原始图像进行滤波处理，得到朝向信息图及其对应的能量分布图像；然后根据所处理像素点坐标，将图像区域划分为中心区域和外周区域，而外周区域又由若干能够独立感知局部特征并对中心区响应进行非线性调制的子区组成，设计基于朝向分布差异的外周中心作用机制，从而通过灵活的局部边缘特征整合来实现鲁棒的轮廓提取方法。本发明专利技术的轮廓提取方法可以根据像素所在大范围区域内的上下文关系，自适应地计算特征整合参数，可以有效提高复杂场景目标物体轮廓提取的鲁棒性和有效性。

【技术实现步骤摘要】

本专利技术属于计算机视觉
，特别涉及一种基于局部边缘特征整合的目标物体轮廓提取方法。
技术介绍
目标物体轮廓提取是图像目标识别和场景分析的关键步骤。人类视觉系统可以根据视觉场景的变化，通过自适应地调节神经元间的相互作用进行复杂的视觉加工和处理，使得目标物体轮廓检测问题变得简单有效。模拟哺乳动物视觉加工机制，建立受人类视觉系统神经信息加工机制启发的计算模型，解决计算机对数字图像中目标物体轮廓的检测问题是现代智能信息处理的一个有效途径，也受到越来越多的关注。目前，受视觉信息加工机制启发的轮廓提取方法主要是基于特征捆绑(feature binding)或特征整合(feature integration)机制，非经典感受野抑制特性是实现特征整合的一种有效方式。这种方法是基于初级视皮层神经元非经典感受野对经典感受野刺激响应的非线性作用，通过抑制图像中的背景纹理，达到检测目标物体轮廓的目的，其中包括各向同性抑制，各向异性抑制和多尺度自适应抑制方法。这些方法取得了比传统方法更好的轮廓检测效果，但是对场景背景干扰的鲁棒性不强，无法适用于复杂自然场景中的目标轮廓检测和提取。
技术实现思路
本专利技术的目的是为了提高现有生物视觉启发的轮廓提取方法对复杂背景干扰的鲁棒性，提出一种更灵活有效的目标物体轮廓提取方法。本专利技术基于神经生理学和局部边缘特征整合思想，设计了一种鲁棒的目标物体轮廓提取方法。神经生理学研究发现，视觉系统中初级视皮层神经元经典感受野(classical receptive field，CRF)的周边存在一块很大的区域(surround)，该区域内的单独刺激不能引发神经元放电，但对经典感受野起调制性作用，并且这种作用是动态变化的。神经元群通过感受野间的这种动态调制作用相互影响邻域内的刺激响应模式，从而实现大范围内特征的选取、匹配和组织，将分布在不同局部区域的图像边缘特征整合成一个完整的对象轮廓。一种基于局部边缘特征整合的目标物体轮廓提取方法，通过对图像边缘特征的大范围整合，提取自然场景中目标物体的完整轮廓，具体过程如下：首先，采用一组不同朝向的Gabor滤波器组对输入的原始图像进行滤波处理，得到朝向信息图及其对应的能量分布图像；接着，依次以原始图像中的每个像素点作为待处理的中心像素点，获得每个像素点的特征整合参数，每个中心像素点的处理过程如下：1)依据待处理的中心像素点将原始图像划分为中心区域和外周区域；对外周区域进行像素点采样获得外周像素采样点，以外周像素采样点为基础，将外周区域划分为若干大小相同、朝向各异的外周椭圆子区域；原始图像中每个像素点作为一个中心像素点获得一个中心区域和一个对应的外周区域；2)在朝向信息图及其对应的能量分布图像的基础上，分别计算中心区域和每个外周椭圆子区域内的局部边缘特征分布；3)根据每个外周像素采样点和对应的中心像素点的最优朝向的角度差、外周像素采样点空间位置以及外周椭圆子区域与中心区域的局部边缘特征分布差异，计算所有外周像素采样点对中心像素点的特征整合参数；每个中心像素点依次为原图像中的像素点，每个中心像素点的特征整合参数即为原始图像中对应像素点的特征整合参数；最后，依据每个像素点的特征整合参数和对应的能量分布图像，得到整合信息图像；从能量分布图像中减去整合信息图像，得到整合后的轮廓信息图像，经过二值化操作后得到最终的轮廓图像。所述能量分布图和朝向信息图是指与原始图像相对应的各像素点的能量值和最优朝向组成的矩阵，矩阵中的每个元素分别为原始图像经过不同朝向的Gabor滤波器组滤波后，每一个像素点在不同朝向Gabor滤波器下的最大响应强度值和对应朝向。所述中心区域是指以中心像素点所在的位置作为中心，绘制长轴为15-31个像素，短轴为7-15个像素，长轴方向为中心像素点的最优朝向所得的椭圆区域；所述外周区域是指以中心像素点所在位置作为中心，绘制半径为50个像素所得的圆形区域，从所得的圆形区域中减去中心区域所得的区域；所述外周椭圆子区域是指在以1-4个像素为间隔，等间隔的采样外周区域内的像素点，并以每个采样点为中心，分别绘制长轴为15-31个像素，短轴为7-15个像素，长轴方向为相应采样点的最优朝向所得的椭圆区域。所述中心区域和每个外周椭圆子区域内的局部边缘特征分布是指提取每个区域内各像素点的边缘方向直方图；所述边缘方向直方图是以20°为间隔，将180°等间隔划分成9个区间，每个区间的朝向范围分别为1-20°，21-40°，41-60°，61-80°，81-100°，101-120°，121-140°，141-160°，161-180°，每个区间的中心位置朝向分别为10°，30°，50°，70°，90°，110°，130°，150°，170°；搜索区域内每个像素点的最优朝向并确认与之最接近的两个朝向区间，以每个像素点能量值为权值，利用三线性插值法，计算此像素点最优朝向在对应区间内的分布贡献，累积区域内每个像素点对相应朝向区间的分布贡献，得到该区域的边缘方向直方图；所述每个外周椭圆子区域的中心点均为外周像素采样点。所述特征整合参数为朝向抑制权值、空间位置整合权值和特征差异权值之积；其中，所述朝向抑制权值是依据公式计算获得；其中，Δθ(x,y)＝θ-θb，θ表示外周像素采样点与中心像素点连线与水平轴的夹角，θb表示中心像素点的最优朝向；(x,y)为外周像素采样点在原始图像中的坐标，M表示归一化系数，取值范围为1-2；b为偏移量，取值范围为-1-1；所述空间位置整合权值是指将外周像素采样点和中心像素点在原始图像中的坐标代入双高斯差函数获得的函数计算值，所述双高斯差函数中尺度比值参数k的取值为4，双高斯差函数中的尺度取值与Gabor滤波器的尺度取值相同；所述特征差异权值是指以外周像素采样点为中心的椭圆子区域的局部边缘特征分布和中心区域的局部边缘特征分布之间的KL散度，分别将两个区域局部边缘特征分布代入KL散度计算公式计算获得。所述的二值化方法为非极大值抑制和滞后门限方法。所述不同朝向的Gabor滤波器组的方向数为45个，Gabor滤波器组的方向在180度内等弧度分布，Gabor函数的尺度参数值为1.0-2.4。有益效果本专利技术提供了一种基于局部边缘特征整合的目标物体轮廓提取方法，首先采用一组不同朝向的Gabor滤波器组对输入的原始图像进行滤波处理，得到朝向信息图及其对应的能量分布图像；然后根据所处理像素点位置，将图像区域划分为中心区和外周区域，而外周区域又由若干能够独立感知局部特征并对中心区响应进行非线性调制的子区组成，设计基于朝向分布差异的外周中心作用机制，从而通过灵活的局部边缘特征整合来实现鲁棒的轮廓提取方法。测试实验证明，利用这种动态非线性作用能够有效抑制局部纹理边缘的干扰，准确整合分布在不同位置的目标轮廓特征，实现了有效的轮廓检测方法。本专利技术的轮廓提取方法可以根据像素所在大范围区域内的上下文关系，自适应地计算整合方式，可以有效提高复杂场景目标物体轮廓提取的鲁棒性和有效性。本专利技术模拟视觉皮层神经元感受野中心外周作用的信息加工机制，构建新的视神经计算模型，通过整合不同区域内局部边缘特征完成鲁棒的目标轮廓提取。附图说明图1是本专利技术基于局部边缘特征整合的目标物体轮廓提取方法的流程示意图本文档来自技高网...

【技术保护点】
一种基于局部边缘特征整合的目标物体轮廓提取方法，其特征在于，通过对图像边缘特征的大范围整合，提取自然场景中目标物体的完整轮廓，具体过程如下：首先，采用一组不同朝向的Gabor滤波器组对输入的原始图像进行滤波处理，得到朝向信息图及其对应的能量分布图像；接着，依次以原始图像中的每个像素点作为待处理的中心像素点，通过以下处理过程，获得周围像素点对中心像素点的特征整合参数：1)依据待处理的中心像素点坐标将原始图像划分为中心区域和外周区域；对外周区域进行像素点采样获得外周像素采样点，以外周像素采样点为基础，将外周区域划分为若干大小相同、朝向各异的外周椭圆子区域；2)在朝向信息图及其对应的能量分布图像的基础上，分别计算中心区域和每个外周椭圆子区域内的局部边缘特征分布；3)根据每个外周像素采样点和对应的中心像素点的最优朝向的角度差、外周像素采样点空间位置以及外周椭圆子区域与中心区域的局部边缘特征分布差异，计算所有外周像素采样点对中心像素点的特征整合参数；最后，依据每个像素点的特征整合参数和对应的能量分布图像，得到整合信息图像；从能量分布图像中减去整合信息图像，得到整合后的轮廓信息图像，经过二值化操作后得到最终的轮廓图像。...

【技术特征摘要】
1.一种基于局部边缘特征整合的目标物体轮廓提取方法，其特征在于，通过对图像边缘特征的大范围整合，提取自然场景中目标物体的完整轮廓，具体过程如下：首先，采用一组不同朝向的Gabor滤波器组对输入的原始图像进行滤波处理，得到朝向信息图及其对应的能量分布图像；接着，依次以原始图像中的每个像素点作为待处理的中心像素点，通过以下处理过程，获得周围像素点对中心像素点的特征整合参数：1)依据待处理的中心像素点坐标将原始图像划分为中心区域和外周区域；对外周区域进行像素点采样获得外周像素采样点，以外周像素采样点为基础，将外周区域划分为若干大小相同、朝向各异的外周椭圆子区域；2)在朝向信息图及其对应的能量分布图像的基础上，分别计算中心区域和每个外周椭圆子区域内的局部边缘特征分布；3)根据每个外周像素采样点和对应的中心像素点的最优朝向的角度差、外周像素采样点空间位置以及外周椭圆子区域与中心区域的局部边缘特征分布差异，计算所有外周像素采样点对中心像素点的特征整合参数；最后，依据每个像素点的特征整合参数和对应的能量分布图像，得到整合信息图像；从能量分布图像中减去整合信息图像，得到整合后的轮廓信息图像，经过二值化操作后得到最终的轮廓图像。2.根据权利要求1所述的方法，其特征在于，所述能量分布图和朝向信息图是指与原始图像相对应的各像素点的能量值和最优朝向组成的矩阵，矩阵中的每个元素分别为原始图像经过不同朝向的Gabor滤波器组滤波后，每一个像素点在不同朝向Gabor滤波器下的最大响应强度值和对应朝向。3.根据权利要求1所述的方法，其特征在于，所述中心区域是指以中心像素点所在的位置作为中心，绘制长轴为15-31个像素，短轴为7-15个像素，长轴方向为中心像素点的最优朝向所得的椭圆区域；所述外周区域是指以中心像素点所在位置作为中心，绘制半径为50个像素所得的圆形区域，从所得的圆形区域中减去中心区域所得的区域；所述外周椭圆子区域是指在以1-4个像素为间隔，等间隔的采样外周区域内的像素点，并以每个采样点为中心，分别绘制长轴为15-31个像素，短轴为7-15个像素，长轴方向为相应采样点的最优朝向所得的椭圆区域。4...

【专利技术属性】
技术研发人员：赵荣昌，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43