[发明专利]一种基于视觉机制暗边缘增强的轮廓检测方法

说明书

本发明涉及一种基于视觉机制暗边缘增强的轮廓检测方法。本发明首先模拟视网膜感光细胞响应特性，提出一种基于局部亮度特征的暗视野调节模型；然后结合神经节细胞经典感受野的尺度朝向特性，获取初级轮廓响应，并利用主成分分析法提取全局轮廓信息；随后当视网膜神经节信号传递至外膝体时，模拟非经典感受野的侧抑制作用，并进一步引入神经元稀疏响应特性，协同抑制初级轮廓的背景强纹理；通过模拟微动信息对轮廓感知理解的增强作用，从而减少背景弱纹理，再利用适应性动态突触将外膝体脉冲响应输出传递至初级视皮层；最后将初级轮廓响应经全局轮廓信息修正后，与初级视皮层响应输出快速融合，生成更为精确有效的轮廓检测结果。

技术领域

本发明涉及视觉机制和图像处理领域，具体涉及一种基于视觉机制暗边缘增强的轮廓检测方法。

背景技术

轮廓信息作为图像目标的一种低维视觉特征，不仅将显著影响到后续图像分析和理解的准确性，而且对从输入层级降低系统的复杂性也具有重要意义。传统的轮廓检测方法往往难以实现具有纹理干扰的图像目标轮廓定位，尤其对于弱对比度或暗边缘占较大比例的图像，纹理抑制同时会丢失大量真实轮廓信息。

随着视觉生理实验和计算神经学的发展，基于视觉机制各种计算模型被广泛应用于图像轮廓提取。例如有研究模拟视网膜神经节细胞，构建高斯差分算子(Difference ofGaussian,DOG)描述其中心-外周式的感受野形态。还有研究在各向同性抑制和各向异性抑制模型的基础上，进一步考虑亮度、角度等多特征对非经典感受野(non-classicalreceptive field,NCRF)抑制强度的影响，有效地抑制了部分背景纹理。也有研究引入非经典感受野对经典感受野(classical receptive field,CRF)的调制机制，改善对视觉信息流的检测作用，验证了感受野中心与外周区间存在一定约束性。此外也有研究从神经脉冲发放传递角度出发，对接收信号进行神经元模型编码，分别经ON和OFF型感受野作用后，利用突触传递的动态可塑性和视觉皮层区的方向选择性，完成轮廓特征检测。但必须需要指出的是，上述基于视觉神经计算模型的轮廓提取方法，通常只考虑了主视通路上的部分传递响应过程，忽略了视网膜对暗边缘刺激的调节作用，并且简化了主视通路单一节点的多层次处理能力。此外，它们也并未考虑前级节点对视皮层区的跨视区调制作用，弱化了视觉信息流在视通路中的交互联系，降低了视觉系统对图像轮廓信息的表达理解能力。

发明内容

本发明针对现有技术的不足，提出一种视觉机制暗边缘增强的轮廓检测方法。从视通路生理模型出发，首先在视网膜环节，提出一种暗视野自适应调节机制，增强图像暗细节边缘的相对响应强度，根据视网膜神经节经典感受野的多尺度朝向特性，获取初级轮廓响应并利用主成分分析法提取全局轮廓信息；当视觉信息流传递至外膝体时，模拟非经典感受野的侧抑制作用，并进一步引入神经元稀疏响应特性，协同抑制初级轮廓的背景强纹理；为模拟外膝体对微动信息的整合作用，提出一种微动信息快速整合方法，加强轮廓感知，减少背景弱纹理，再采用适应性动态突触将外膝体脉冲响应输出传递至初级视皮层(V1)区；最后利用跨视区的神经响应前馈机制，对初级轮廓响应进行全局轮廓信息修正后，与V1区响应快速融合，实现显著轮廓的检测与提取。具体包含以下步骤：

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。