[发明专利]一种基于视觉机制暗边缘增强的轮廓检测方法

权利要求书

1.一种基于视觉机制暗边缘增强的轮廓检测方法，其特征在于，该方法具体包括以下步骤：

步骤1：模拟视网膜暗视野调节机制，对输入图像I(x,y)进行处理，得到暗视野调节响应I_rod(x,y)；首先获取图像I(x,y)的亮度通道L(x,y)，计算L(x,y)归一化后的局部亮度平均值L_avg(x,y)；然后利用改进的Sigmoid函数对L_avg(x,y)进行激活约束，计算得到尺度参数σ(x,y)，具体如式(1)～(4)所示；

式中(x,y)表示图像的二维坐标，(x_m,y_n)表示图像局部窗口S_xy，以(x,y)为中心原点，d为窗长，r＝(d-1)/2为半径内的坐标位置，m,n∈[1,d]；ω(x_m,y_n)为S_xy内的余弦权重函数；为窗口S_xy内的权重总和，mean(·)和max(·)分别表示均值计算和均值集合的最大值计算，∪表示S_xy内的像素集合，×表示乘法运算，下同；以d为步长，计算亮度通道L(x,y)在各S_xy内的均值，取均值的极大值，记为L_max；

再采用归一化的去中心高斯函数与S_xy内的I(x_m,y_n)相乘求和，得到调节因子W_rod(x,y)，将其与输入图像I(x,y)融合得到暗视野调节响应I_rod(x,y)，具体如式(5)～(7)所示：

其中I_max和I_min分别为I(x,y)的最大值与最小值；

步骤2：根据神经节细胞以及更高级组织细胞的经典感受野的朝向特性，引入二维高斯导函数，计算单尺度条件下的初级轮廓响应E₁(x,y)，以及多尺度条件下的全局轮廓信息E₂(x,y)；具体实现过程如下：

首先计算I_rod(x,y)在N_θ个朝向方位下的神经节经典感受野响应e_i(x,y；θ_i,σ_CRF)，取所有方位的最大值得到初级轮廓响应E₁(x,y)，具体如式(8)～(10)所示：

E₁(x,y)＝max{e_i(x,y；θ_i,σ_CRF)|i＝1,2,...,N_θ}           (10)

式中|·|表示取绝对值运算，g表示二维高斯函数，下同；σ_CRF表示神经节细胞经典感受野的单尺度，γ表示感受野的椭圆率，θ_i表示经典感受野的第i个朝向，max(·)表示计算最大方位响应，*为卷积运算符，下同；

然后考虑视通路经典感受野的多尺度特性，计算I_rod(x,y)在N_σ个尺度下的N_θ个朝向方位响应e_ij(x,y；θ_i,σ_j)，其中θ_i和σ_j分别表示经典感受野的第i个朝向和第j个尺度；接着利用主成分分析法对e_ij(x,y；θ_i,σ_j)进行降维处理，提取i×j个成分分量P_s，并取P_s的最大值，得到具有多尺度多朝向特征的全局轮廓信息E₂(x,y)，如式(11)和(12)所示：

E₂(x,y)＝max(P_s|s＝1,2,...,i×j)        (12)

s表示成分分量的序号；

步骤3：视觉信息流传递至外膝体时，在非经典感受野的侧抑制作用下，引入神经元的稀疏特性，实现对初级轮廓响应E₁(x,y)的背景纹理协同抑制；具体实现过程如下：

首先计算初级轮廓响应E₁(x,y)的稀疏度sparsity(x,y)和变异系数c_v(x,y)，将两者融合后达到刻画强纹理区域的作用，如式(13)～(15)所示：

f(x,y)＝sparsity(x,y)×c_v(x,y)                (15)

其中δ²(x,y)和μ(x,y)分别表示局部窗口S_xy内E₁(x,y)的方差和均值，表示为局部窗口S_xy内的直方图，n是的维度，||·||_p指p范数，f(x,y)为E₁(x,y)强纹理区域的稀疏表达式；

然后采用各向同性抑制方法减弱纹理，如式(16)所示：

式中DoG(x,y)表示高斯差函数，经半波整流后得到DoG⁺(x,y)；b(x,y)表示纹理抑制项，由初级轮廓响应E₁(x,y)与距离抑制权重卷积获得；

最后计算得到经纹理抑制后的轮廓信息C(x,y；α)，如式(17)所示：

其中α表示对纹理的抑制强度，取值范围为[0,1]，resize表示双线性插值运算；

步骤4：对步骤3的轮廓信息C(x,y；α)进行神经元动态传递编码，并经动态突触W_synapse传递至初级视皮层V1区，获得输出响应I_V1(x,y)；具体实现过程如下：

首先利用考虑绝对不应期的LIF漏放电积分模型，对C(x,y；α)进行脉冲频率编码，计算得到脉冲激励响应I_Fires(x,y)；

然后构建微动信息快速整合模型，抑制弱纹理区域神经脉冲发放，如式(18)和(19)所示：

式中表示微动信息的神经元响应，θ_i表示由p_i和q_i所确定的8个微动方向，p_i和q_i的可能取值对为{(1,0)，(1,1)，(0,1)，(-1,1)，(-1,0)，(-1,-1)，(0,-1)，(1,-1)}，[·]表示向下取整，dx和dy分别代表水平和竖直方向的微动量，默认设置为5个像素大小，I_move(x,y)表示微动信息整合后的脉冲频率响应；

针对神经元间动作电位序列的相互关系，采用适应性动态突触W_synapse(x,y)将脉冲响应I_move(x,y)传递至V1区，如式(20)和(21)所示：

I_V1(x,y)＝I_move(x,y)*W_synapse(x,y)          (21)

式中，W_const表示突触权重常量，默认设置为1，(x_c,y_c)表示群体感受野中心神经元位置，|I_move(x,y)-I_move(x_c,y_c)|表示群体感受野周边神经元与中心神经元的脉冲频率差异，ΔI_move表示群体感受野内脉冲频率响应的最大差值，I_V1(x,y)表示V1区的响应输出；

步骤5：计算经跨视区前馈融合后的轮廓响应；具体实现过程如下：将步骤2得到的初级轮廓响应E₁(x,y)直接前馈至V1区后，与全局轮廓信息E₂(x,y)融合后，将步骤4得到的脉冲响应I_V1(x,y)进一步融合，从而得到最终轮廓响应，记为SE(x,y)，如式(22)所示：

SE(x,y)＝(E₁(x,y)+E₂(x,y))×I_V1(x,y)  (22)。