一种基于动态感受野的仿生型轮廓检测方法技术

本发明专利技术旨在提供一种基于动态感受野的仿生型轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，计算各像素点的空间标准差；B、结合各像素点的空间标准差计算各像素点的经典感受野最优响应值；C、计算各像素点的最终轮廓响应值；D、计算各像素点的最终轮廓值。该方法克服现有技术缺陷，具有仿生效果好，轮廓检测率高的特点。

A bionic contour detection method based on dynamic receptive field

【技术实现步骤摘要】
一种基于动态感受野的仿生型轮廓检测方法
本专利技术图像轮廓检测领域，具体涉及一种基于动态感受野的仿生型轮廓检测方法。
技术介绍
轮廓检测是目标检测、形状分析、目标识别和目标跟踪等技术的重要基础。在视觉系统中，动态特性一直贯穿着轮廓提取的整个过程。由于局部图像信息的不同，视觉系统在处理信息时，感受野的大小也在动态地变化着，而目前许多受生物学启发的轮廓检测模型都只是简单地模拟视觉系统中生理特性的一部分，在轮廓提取的过程中，对于一些视觉的动态特性并不能较好地进行模拟，造成了一定程度上轮廓信息的缺失以及纹理信息的增强这类问题，从而不能较好地保证目标轮廓的完整性。
技术实现思路
本专利技术旨在提供一种基于动态感受野的仿生型轮廓检测方法，该方法克服现有技术缺陷，具有仿生效果好，轮廓检测率高的特点。本专利技术的技术方案如下：一种基于动态感受野的仿生型轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，计算各像素点的空间标准差；B、结合各像素点的空间标准差计算各像素点的经典感受野最优响应值；C、计算各像素点的最终轮廓响应值；D、计算各像素点的最终轮廓值。优选地，具体步骤如下：A、输入经灰度处理的待检测图像，预设局部区域、局部区域的半径，所述的局部区域为方形，局部区域的边长为局部区域的半径的两倍外加一个像素点；对于各像素点，对以其为中心的局部区域内的各像素点的灰度值进行标准差计算，并对得到的标准差进行计算得到各像素点的空间标准差；B、预设包含多个方向参数的二维高斯一阶偏导函数，对于各像素点，采用二维高斯一阶偏导函数分别对灰度值进行滤波，其中二维高斯一阶偏导函数中的标准差为各像素点对应的空间标准差，得到各像素点各方向参数的经典感受野初始响应值；对于各像素点，分别取该像素点各方向参数的经典感受野初始响应值的最大值，将该最大值作为该像素点的经典感受野最优响应值；C、预设归一化高斯差分函数、非经典感受野拮抗强度，对于各像素点，采用归一化高斯差分函数分别对其经典感受野最优响应值进行滤波，得到各像素点的非经典感受野响应值；对于各像素点，将该像素点的经典感受野最优响应值减去非经典感受野响应值与非经典感受野拮抗强度的乘积，得到各像素点的最终轮廓响应值；D、对于各像素点，对其最终轮廓响应值轮廓值进行非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。优选地，所述的步骤A具体如下：所述的标准差所述的空间标准差其中，Rxy表示局部区域，r表示局部区域的半径，局部区域Rxy的边长为(2r+1)，为局部区域内第i个像素的灰度值，N为局部区域内像素点的数目，μR为局部区域内各像素点的灰度值均值。优选地，所述的步骤B具体如下：所述的二维高斯一阶偏导函数Nθ为方向参数的数目；γ为表示感受野椭圆度的常数；各像素点各方向参数的经典感受野初始响应值E(x,y,θi)＝I(x,y)*G(x,y,θi)(4)；其中I(x,y)为各像素点的灰度值；各像素点的经典感受野最优响应值E(x,y)＝max(E(x,y,θi)|i＝1,2,…Nθ)(5)。优选地，所述的步骤C具体如下：各像素点的非经典感受野响应值Inh(x,y)＝E(x,y)*W(x,y)(6)；归一化高斯差分函数其中，其中||·||1为L1范数，H(x)＝max(0,x)；各像素点的最终轮廓响应值O(x,y)＝E(x,y)-β·Inh(x,y)(7)；其中β为非经典感受野拮抗强度。本专利技术采用局部标准差的特征来模拟视觉感受野的大小变化，从而最大限度地模拟仿真图像的复杂性给轮廓检测带来的变化，实现感受野大小动态变化的仿真，从而使得在计算经典感受野响应与非经典感受野响应时能够针对各像素点采用其对应的空间感受野，从而提高模拟仿真的程度，提高识别准确率，同时也提高了轮廓检测的鲁棒性。附图说明图1为本专利技术的轮廓检测方法流程图；图2为实施例1方法与文献1轮廓检测模型的检测效果对比图。具体实施方式下面结合附图和实施例具体说明本专利技术。实施例1本实施例提供的基于动态感受野的仿生型轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，预设局部区域、局部区域的半径，所述的局部区域为方形，局部区域的边长为局部区域的半径的两倍外加一个像素点；对于各像素点，对以其为中心的局部区域内的各像素点的灰度值进行标准差计算，并对得到的标准差进行计算得到各像素点的空间标准差；所述的步骤A具体如下：所述的标准差所述的空间标准差其中，Rxy表示局部区域，r表示局部区域的半径，局部区域Rxy的边长为(2r+1)，为局部区域内第i个像素的灰度值，N为局部区域内像素点的数目，μR为局部区域内各像素点的灰度值均值；B、预设包含多个方向参数的二维高斯一阶偏导函数，对于各像素点，采用二维高斯一阶偏导函数分别对灰度值进行滤波，其中二维高斯一阶偏导函数中的标准差为各像素点对应的空间标准差，得到各像素点各方向参数的经典感受野初始响应值；对于各像素点，分别取该像素点各方向参数的经典感受野初始响应值的最大值，将该最大值作为该像素点的经典感受野最优响应值；所述的步骤B具体如下：所述的二维高斯一阶偏导函数Nθ为方向参数的数目；γ为表示感受野椭圆度的常数；各像素点各方向参数的经典感受野初始响应值E(x,y,θi)＝I(x,y)*G(x,y,θi)(4)；其中I(x,y)为各像素点的灰度值；各像素点的经典感受野最优响应值E(x,y)＝max(E(x,y,θi)|i＝1,2,…Nθ)(5)；C、预设归一化高斯差分函数、非经典感受野拮抗强度，对于各像素点，采用归一化高斯差分函数分别对其经典感受野最优响应值进行滤波，得到各像素点的非经典感受野响应值；对于各像素点，将该像素点的经典感受野最优响应值减去非经典感受野响应值与非经典感受野拮抗强度的乘积，得到各像素点的最终轮廓响应值；所述的步骤C具体如下：各像素点的非经典感受野响应值Inh(x,y)＝E(x,y)*W(x,y)(6)；归一化高斯差分函数其中，其中||·||1为L1范数，H(x)＝max(0,x)；各像素点的最终轮廓响应值O(x,y)＝E(x,y)-β·Inh(x,y)(7)；其中β为非经典感受野拮抗强度；D、对于各像素点，对其最终轮廓响应值轮廓值进行非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。下面将本实施例的轮廓检测方法与文献1提供的轮廓检测方法进行有效性对比，文献1如下：文献1：YangKF,LiCY,LiYJ.Multifeature-basedsurroundinhibitionimprovescontourdetectioninnaturalimages[J本文档来自技高网...

【技术保护点】
1.一种基于动态感受野的仿生型轮廓检测方法，其特征在于包括以下步骤：/nA、输入经灰度处理的待检测图像，计算各像素点的空间标准差；/nB、结合各像素点的空间标准差计算各像素点的经典感受野最优响应值；/nC、计算各像素点的最终轮廓响应值；/nD、计算各像素点的最终轮廓值。/n

【技术特征摘要】
1.一种基于动态感受野的仿生型轮廓检测方法，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，计算各像素点的空间标准差；
B、结合各像素点的空间标准差计算各像素点的经典感受野最优响应值；
C、计算各像素点的最终轮廓响应值；
D、计算各像素点的最终轮廓值。


2.如权利要求1所述的基于动态感受野的仿生型轮廓检测方法，其特征在于：
具体步骤如下：
A、输入经灰度处理的待检测图像，预设局部区域、局部区域的半径，所述的局部区域为方形，局部区域的边长为局部区域的半径的两倍外加一个像素点；对于各像素点，对以其为中心的局部区域内的各像素点的灰度值进行标准差计算，并对得到的标准差进行计算得到各像素点的空间标准差；
B、预设包含多个方向参数的二维高斯一阶偏导函数，对于各像素点，采用二维高斯一阶偏导函数分别对灰度值进行滤波，其中二维高斯一阶偏导函数中的标准差为各像素点对应的空间标准差，得到各像素点各方向参数的经典感受野初始响应值；对于各像素点，分别取该像素点各方向参数的经典感受野初始响应值的最大值，将该最大值作为该像素点的经典感受野最优响应值；
C、预设归一化高斯差分函数、非经典感受野拮抗强度，对于各像素点，采用归一化高斯差分函数分别对其经典感受野最优响应值进行滤波，得到各像素点的非经典感受野响应值；对于各像素点，将该像素点的经典感受野最优响应值减去非经典感受野响应值与非经典感受野拮抗强度的乘积，得到各像素点的最终轮廓响应值；
D、对于各像素点，对其最终轮廓响应值...

【专利技术属性】
技术研发人员：林川，文泽奇，崔林昊，王瞿，潘勇才，刘青正，张玉薇，李福章，张晴，王垚，王蕤兴，韦艳霞，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西;45