CN111968139B - 基于初级视觉皮层固视微动机制的轮廓检测方法 - Google Patents

Abstract

本发明旨在提供一种基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个方向参数的高斯一阶导函数，预设高斯一阶导函数的模板中心的轴向偏移量，预设四个高斯一阶导函数的偏移中心，计算得到对应的四个高斯一阶导偏移函数；B、对于待检测图像的各像素点，计算得到各像素点的经典感受野响应；C、预设距离权重函数、抑制系数，计算得到各个像素点的抑制响应；D、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，进而得到最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。

Description

基于初级视觉皮层固视微动机制的轮廓检测方法

技术领域

本发明涉及图像处理领域，具体涉及一种基于初级视觉皮层固视微动机制的轮廓检测方法。

背景技术

轮廓检测是计算机视觉领域的一个基本任务，不同于被定义为强烈的亮度变化所表征的边缘，轮廓通常表示一个目标到其他目标的边界。受生物启发的轮廓检测模型是目前主流的研究方向之一，但大都只是简单地模拟视觉系统中生理特性的一部分，而对于固视微动机制在轮廓检测中的作用缺乏研究，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。而少有的考虑固视微动生理机制的方案则是注重在非经典感受野区域对纹理抑制的作用效果，而忽略了在视觉细胞经典感受野区域的应用。

发明内容

本发明旨在提供一种基于初级视觉皮层固视微动机制的轮廓检测方法，该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。

本发明的技术方案如下：

一种基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：

A、输入经灰度处理得到的待检测图像，预设多个方向参数的高斯一阶导函数，预设高斯一阶导函数的模板中心的轴向偏移量，预设四个高斯一阶导函数的偏移中心，各偏移中心分别位于以模板中心为原点的直角坐标系的四个象限，各偏移中心的横坐标、纵坐标的值与模板中心的轴向偏移量相同，将各偏移中心的坐标代入高斯一阶导函数，得到对应的四个高斯一阶导偏移函数；

B、对于待检测图像的各像素点：将该像素点的灰度值分别与高斯一阶导函数、四个高斯一阶导偏移函数卷积后分别得到该像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应，对于该像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应，选取各方向参数的对应的上述五个响应的最大值，作为该像素点的该方向参数的经典感受野响应；对于该像素点的各方向参数的经典感受野响应，选取其中的最大值作为该像素点的经典感受野响应；

C、预设距离权重函数、抑制系数，对于各像素点：将该像素点的经典感受野刺激响应与距离权重函数进行卷积后与抑制系数相乘，得到各个像素点的抑制响应；

D、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，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，由各个像素点的最终轮廓值构成最终轮廓图。

优选地，所述的步骤A的高斯一阶导函数以及四个高斯一阶导偏移函数的统一表达式如下：

其中

其中四个偏移中心以及模板中心的坐标如下：

轴向偏移量D为：

其中θ为方向参数，

N_θ为方向参数的数量；σ为标准差，对应于感受野的大小，γ为感受野的椭圆长短轴比例常数，(x,y)为待检测图像中各像素点的坐标，j表示偏移中心的标号，j＝1,2,...5。

优选地，所述的步骤B中的各像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应的统一表达式如下：

e(x_j,y_j；θ_i)＝|I(x,y)*RF(x_j,y_j；θ_i)| (2)；

I(x,y)为待检测图像的各像素点的灰度值；

各像素点的各方向参数的经典感受野响应的表达式如下：

e(x,y；θ_i)＝max{e(x_j,y_j；θ_i)|j＝1,2,3,4,5} (3)；

各像素点的经典感受野响应的表达式如下：

E(x,y)＝max{e(x,y；θ_i)|i＝1,2,...N_θ} (4)。

优选地，所述的步骤C中的距离权重函数的表达式为：

其中，

||·||₁为L₁范数，H(x)＝max(0,x)；

所述的各像素点的抑制响应Inh(x,y)为：

Inh(x,y)＝αE(x,y)*w_σ(x,y) (6)；

其中H(x)＝max(0,x)，α为抑制系数。

优选地，所述的各像素点的轮廓响应的表达式如下：

R(x,y)＝E(x,y)-Inh(x,y)。

本发明通过高斯一阶导函数的模板中心的偏移，实现基于初级视觉皮层对人眼固视微动机制进行模拟，从而减少背景纹理的响应，最大程度的提高轮廓检测的性能；并且，通过灰度图的局部特征结合感受野大小计算模板中心的轴向偏移量，既结合了模板中心周边的灰度特征，又使偏移量与感受野大小相匹配，使得对固视微动机制的模拟更为逼真；同时，偏移量的计算中结合高斯函数滤波函数，既能去除噪声，又能使偏移量的计算更精准；另一方面考虑到偏移量由局部特征决定更符合生理特性。综上所述，本发明方案通过模拟了经典感受野在轮廓检测过程中的固视微动特性，从一定程度上加强了对目标轮廓的保护，为后续的纹理抑制提供了更加有效的信息，从而进一步的提高了轮廓检测的性能。

附图说明

图1为本发明提供的基于初级视觉皮层固视微动机制的轮廓检测方法的模板中心偏移示意图；

图2为本发明提供的基于初级视觉皮层固视微动机制的轮廓检测方法的轮廓检测效果对比图。

具体实施方式

下面结合附图和实施例具体本说明本发明。

实施例1

本实施例提供的基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：

A、输入经灰度处理得到的待检测图像，预设多个方向参数的高斯一阶导函数，预设高斯一阶导函数的模板中心的轴向偏移量，预设四个高斯一阶导函数的偏移中心，各偏移中心分别位于以模板中心为原点的直角坐标系的四个象限，各偏移中心的横坐标、纵坐标的值与模板中心的轴向偏移量相同，将各偏移中心的坐标代入高斯一阶导函数，得到对应的四个高斯一阶导偏移函数；

所述的步骤A的高斯一阶导函数以及四个高斯一阶导偏移函数的统一表达式如下：

其中

/>

其中四个偏移中心以及模板中心的坐标如下：

轴向偏移量D为：

其中θ为方向参数，

N_θ为方向参数的数量；σ为标准差，对应于感受野的大小，γ为感受野的椭圆长短轴比例常数，(x,y)为待检测图像中各像素点的坐标，j表示偏移中心的标号，j＝1,2,...5；

B、对于待检测图像的各像素点：将该像素点的灰度值分别与高斯一阶导函数、四个高斯一阶导偏移函数卷积后分别得到该像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应，对于该像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应，选取各方向参数的对应的上述五个响应的最大值，作为该像素点的该方向参数的经典感受野响应；对于该像素点的各方向参数的经典感受野响应，选取其中的最大值作为该像素点的经典感受野响应；

所述的步骤B中的各像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应的统一表达式如下：

e(x_j,y_j；θ_i)＝|I(x,y)*RF(x_j,y_j；θ_i)| (2)；

I(x,y)为待检测图像的各像素点的灰度值；

各像素点的各方向参数的经典感受野响应的表达式如下：

e(x,y；θ_i)＝max{e(x_j,y_j；θ_i)|j＝1,2,3,4,5} (3)；

各像素点的经典感受野响应的表达式如下：

E(x,y)＝max{e(x,y；θ_i)|i＝1,2,...N_θ} (4)；

C、预设距离权重函数、抑制系数，对于各像素点：将该像素点的经典感受野刺激响应与距离权重函数进行卷积后与抑制系数相乘，得到各个像素点的抑制响应；

所述的步骤C中的距离权重函数的表达式为：

/>

其中，

||·||₁为L₁范数，H(x)＝max(0,x)；

所述的各像素点的抑制响应Inh(x,y)为：

Inh(x,y)＝αE(x,y)*w_σ(x,y) (6)；

其中H(x)＝max(0,x)，α为抑制系数；

D、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，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，由各个像素点的最终轮廓值构成最终轮廓图；

所述的步骤D中的各像素点的轮廓响应的表达式如下：

R(x,y)＝E(x,y)-Inh(x,y)。

如图1所示，点a，b，c，d分别为四个偏移的中心点；

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：Yang K F,Li C Y,Li Y J.Multifeature-based surround inhibitionimproves contour detection in natural images[J].IEEE Transactions on ImageProcessing,2014,23(12):5020-5032；

为保证对比的有效性，对于本实施例采用与文献1中相同的非极大值抑制和双阈值处理进行最后的轮廓整合，其中包含的两个阈值t_h,t_l，设置为t_l＝0.5t_h，由阈值分位数p计算而得；

其中性能评价指标F采用文献2中给出的如下标准：

其中P表示精确率，R表示召回率，性能评测指标F的取值在[0,1]之间，越接近1表示轮廓检测的效果越好，另外，定义容忍度为：在5*5的邻域内检测到的都算正确检测。

选取伯克利分割数据集(BSDS300)随机的3幅自然图像及其对应的真实轮廓图，分别采用实施例1方案与文献1方案进行检测，对应的真实轮廓图、文献1方法检测的最优轮廓图，实施例1方法检测的最优轮廓图如图2所示；其中，文献1方法检测的最优轮廓图，实施例1方法检测的最优轮廓图中的右上角的数字为其对应的性能评价指标F的数值，表1为实施例1及对比文件1选用的参数值；

表1实施例1参数组表

由图2可以看出，实施例1方案的轮廓检测结果优于文献1方案。

Claims (5)

1.一种基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于包括以下步骤：

A、输入经灰度处理得到的待检测图像，预设多个方向参数的高斯一阶导函数，预设高斯一阶导函数的模板中心的轴向偏移量，预设四个高斯一阶导函数的偏移中心，各偏移中心分别位于以模板中心为原点的直角坐标系的四个象限，各偏移中心的横坐标、纵坐标的值与模板中心的轴向偏移量相同，将各偏移中心的坐标代入高斯一阶导函数，得到对应的四个高斯一阶导偏移函数；

B、对于待检测图像的各像素点：将该像素点的灰度值分别与高斯一阶导函数、四个高斯一阶导偏移函数卷积后分别得到该像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应，对于该像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应，选取各方向参数的对应的上述五个响应的最大值，作为该像素点的该方向参数的经典感受野响应；对于该像素点的各方向参数的经典感受野响应，选取其中的最大值作为该像素点的经典感受野响应；

C、预设距离权重函数、抑制系数，对于各像素点：将该像素点的经典感受野刺激响应与距离权重函数进行卷积后与抑制系数相乘，得到各个像素点的抑制响应；

D、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，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，由各个像素点的最终轮廓值构成最终轮廓图。

2.如权利要求1所述的基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于：

所述的步骤A的高斯一阶导函数以及四个高斯一阶导偏移函数的统一表达式如下：

其中

其中四个偏移中心以及模板中心的坐标如下：

轴向偏移量D为：

/>

其中θ为方向参数，

N_θ为方向参数的数量；σ为标准差，对应于感受野的大小，γ为感受野的椭圆长短轴比例常数，(x,y)为待检测图像中各像素点的坐标，j表示偏移中心的标号，j＝1,2,...5。

3.如权利要求2所述的基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于：

所述的步骤B中的各像素点的各方向参数的高斯一阶导函数响应以及四个高斯一阶导函数偏移响应的统一表达式如下：

e(x_j,y_j；θ_i)＝|I(x,y)*RF(x_j,y_j；θ_i)| (2)；

I(x,y)为待检测图像的各像素点的灰度值；

各像素点的各方向参数的经典感受野响应的表达式如下：

e(x,y；θ_i)＝max{e(x_j,y_j；θ_i)|j＝1,2,3,4,5} (3)；

各像素点的经典感受野响应的表达式如下：

E(x,y)＝max{e(x,y；θ_i)|i＝1,2,...N_θ} (4)。

4.如权利要求3所述的基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于：

所述的步骤C中的距离权重函数的表达式为：

其中，

||·||₁为L₁范数，H(x)＝max(0,x)；

所述的各像素点的抑制响应Inh(x,y)为：

Inh(x,y)＝αE(x,y)*w_σ(x,y) (6)；

其中α为抑制系数。

5.如权利要求4所述的基于初级视觉皮层固视微动机制的轮廓检测方法，其特征在于：

所述的步骤D中的各像素点的轮廓响应的表达式如下：

R(x,y)＝E(x,y)-Inh(x,y)。

Images