仿生物跳躍眼動信息處理機制的目標輪廓檢測方法
【專利摘要】本發(fā)明旨在提供一種仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，包括以下步驟：輸入經灰度處理的待檢測圖像；進行各個方向的Gabor濾波，得到Gabor能量圖；建立初始DoG模板，對初始DoG模板進行變換，并用變換DoG模板對Gabor能量圖進行濾波；根據上述濾波結果圖生成抑制圖；對抑制圖進行修正，得到修正抑制圖；將各方向Gabor能量圖中各像素點的Gabor能量值減去方向與其相同的修正抑制圖中對應的像素點的濾波結果值，作為該像素點的初始輪廓值，并作非極大值抑制和雙閾值處理，得到最終輪廓圖。本發(fā)明檢測方法克服現有技術仿真度低、輪廓識別率低的缺陷，具有仿真度高、輪廓識別率高的特點。
【專利說明】
仿生物跳躍眼動信息處理機制的目標輪廓檢測方法
技術領域
[0001] 本發(fā)明涉及圖像處理領域，具體涉及一種仿生物跳躍眼動信息處理機制的目標輪 廓檢測方法。
【背景技術】
[0002] 輪廓檢測是圖像處理及計算機視覺中一個很重要組成部分。從復雜的背景中正確 地檢測物體輪廓是一個非常重要而困難的工作。在眾多傳統的圖像處理方法中，應用于輪 廓檢測較成功的有Canny算子、活動輪廓模型等。這些方法主要利用了圖像中的亮度差別 信息進行檢測，無法區(qū)分目標輪廓和其他雜亂邊界。所以在面對圖像中的對比度變化比較 大、背景干擾比較多的情況時，這些方法很難得到比較滿意的結果；
[0003] 現有技術進一步的優(yōu)化方案為：對于輸入圖像，采用多個朝向的Gabor濾波器組 在兩個不同尺度（頻率）參數下分別對圖像依次進行濾波處理；得到各像素的最大灰度值 以及最優(yōu)方向，以高頻參數所得濾波結果為基礎，將低頻參數所得濾波結果作為抑制量，分 別通過二維高斯差分函數（DoG)模板進行濾波后相減，得到最終的濾波輪廓；人眼的眼動 指人眼在固視狀態(tài)下無意識的微小運動，主要指閃動，當人注視著一個特殊的物體或者背 景時，眼動對于視覺的敏度和精度也有相應的意義和作用；跳躍眼動是使視覺目標迅速地 從視網膜邊緣轉移到視網膜邊緣轉移到視網膜中央凹，從而獲得最好的視覺效果；而上述 方法采用預設的固定DoG模板，假定人眼是保持固定不動的，忽視了人眼的跳躍眼動效應， 具有仿真度低、輪廓識別率低的缺陷。

【發(fā)明內容】

[0004] 本發(fā)明旨在提供一種仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，該檢測 方法克服現有技術仿真度低、輪廓識別率低的缺陷，具有仿真度高、輪廓識別率高的特點。
[0005] 本發(fā)明的技術方案如下，仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，包 括以下步驟：
[0006] A、輸入經灰度處理的待檢測圖像；
[0007] B、預設多個方向參數的Gabor濾波器組，對待檢測圖像中的各像素點分別按照各 個方向參數進行Gabor能量計算，獲得各像素點的各個方向的Gabor能量值，得到各個方向 的Gabor能量圖，所述Gabor能量圖的方向與其對應的Gabor濾波器的方向一致；
[0008] C、采用二維高斯差分函數建立初始DoG模板，所述初始DoG模板為圓形，并包含圓 形的中心區(qū)，所述中心區(qū)內各像素點值均為零值；
[0009] D、在初始DoG模板上預設一個與中心區(qū)共圓心的環(huán)狀的待置零區(qū)域，對待置零區(qū) 域內的全部像素點值進行置零，置零后生成一個變換DoG模板；；
[0010] E、用變換DoG模板對各個方向的Gabor能量圖進行濾波，得到各個方向的變換濾 波結果值圖，其方向與其對應的Gabor能量圖的方向相同；
[0011] F、對于各個方向的變換濾波結果值圖進行修正，得到各方向的修正抑制圖；
[0012] G、將各方向Gabor能量圖中各像素點的Gabor能量值減去方向與其相同的修正抑 制圖中對應的像素點的濾波結果值，作為該像素點該方向的初始輪廓值，進而得到各像素 點各方向的初始輪廓值；
[0013] H、選取各像素點各方向的初始輪廓值中的最大值，作為該像素點的最大輪廓值， 對上述最大輪廓值使用非極大值抑制和雙閾值處理，得到各像素點的最終輪廓值，進而得 到最終輪廓圖。
[0014] 優(yōu)選地，所述步驟B中Gabor濾波器組的二維Gabor函數表達式如下：
[0015]
[0016] 其。
γ為一個表示橢圓形感受野長短軸比 例的常數，參數λ為波長，σ為DoG模板中心區(qū)的帶寬，l/λ為余弦函數的空間頻率，〇/ λ為空間頻率的帶寬，伊是相角參數，Θ為Gabor濾波的方向參數；
[0017] Gabor能量圖計算模型如下：
[0018]
[0019] 其中 = (3);
[0020] I為待檢測圖像，*為卷積運算符。
[0021 ] 優(yōu)選地，所述步驟C中初始DoG模板對應的表達式如下：
[0022]
[0023] DoG模板對應的距離權重模板表達式如下：
[0024]
(5.?
[0025]
[0026] 其【
（6); | 卜 | L為一階（L1) 范數。
[0027] 優(yōu)選地，所述步驟D中待置零區(qū)域對應的數學模型如下：
[0028] 待置零區(qū)域用集合表示為{x, y|x2+y2彡R+d, x2+y2彡R} (7)；
[0029] 其中R為待置零區(qū)域的內圈半徑，d為待置零區(qū)域的寬度。
[0030] 優(yōu)選地，所述的步驟E中，用變換DoG模板對各個方向的Gabor能量圖進行濾波對 應公式如下：
[0031]
(6:8?
[0032] 其弓
? Θ方向的變換濾波結果圖中像素點（X，y)的濾波結果值， Ελ,e (X，y)為Θ方向的Gabor能量圖中像素點（X，y)的Gabor能量值，*為卷積運算， ?d(x，y)是指變換DoG模板。
[0033] 所述步驟F中的修正是指對變換濾波結果值圖中各像素點的值乘上預設的參數。
[0034] 優(yōu)選地，所述步驟G對應的數學模型如下：
[0035]
(9)，
[0036] 其中b Θ (X，y)為像素點（X，y)的初始輪廓值，Ελ,。，e (X，y)為Θ方向的Gabor能 量圖中像素點（x，y)的Gabor能量值，a為修正參數，為像素點（x，y) Θ方向的抑 制值；
[0037] 其中Η函數為：
[0038]
[0039] 優(yōu)選地，所述步驟Β中的多個方向參數的Gabor濾波器組，其不同方向的濾波器個 數為8-12個，在360度內等弧度分布。
[0040] 優(yōu)選地，所述步驟G中的修正是指對抑制最大值圖中各像素點的值乘上預設的參 數。
[0041] 優(yōu)選地，所述步驟D中待置零區(qū)域的寬度為4-6。
[0042] 本發(fā)明技術方案創(chuàng)新地將經典感受野的輪廓提取方法與人眼的跳躍眼動相結合， 采用變換的DoG模板對人眼的跳躍眼動進行仿真模擬，提高了經典感受野模型的仿真度； 跳躍眼動對關注的弱小信息能做到快速、精確地邊緣提取，也能對視網膜周邊區(qū)域信息產 生適度警覺作用，可以進一步提高經典感受野的輪廓提取方法的識別率。
【附圖說明】
[0043] 圖1為本發(fā)明仿生物跳躍眼動信息處理機制的目標輪廓檢測方法的流程圖
[0044] 圖2為本發(fā)明實施例lDoG模板變換區(qū)域示意圖
[0045] 圖3為本發(fā)明實施例1進行輪廓檢測的圖像1
[0046] 圖4為圖像1的標準輪廓圖
[0047] 圖5為圖像1經文獻1檢測方法得到的輪廓圖
[0048] 圖6為圖像1經實施例1檢測方法得到的輪廓圖
[0049] 圖7為本發(fā)明實施例1進行輪廓檢測的圖像2
[0050] 圖8為圖像2的標準輪廓圖
[0051 ] 圖9為圖像2經文獻1檢測方法得到的輪廓圖
[0052] 圖10為圖像2經實施例1檢測方法得到的輪廓圖
[0053] 圖2中各部分名稱及序號如下：1為DoG模板，2為DoG模板中心區(qū)，3為待置零區(qū) 域。
【具體實施方式】
[0054] 下面結合附圖和實施例具體說明本發(fā)明。
[0055] 實施例1
[0056] 如圖1所示，本實施例仿生物跳躍眼動信息處理機制的目標輪廓檢測方法包括一 下步驟：
[0057] 仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，包括以下步驟：
[0058] A、輸入經灰度處理的待檢測圖像；
[0059] B、預設多個方向參數的Gabor濾波器組，對待檢測圖像中的各像素點分別按照各 個方向參數進行Gabor能量計算，獲得各像素點的各個方向的Gabor能量值，得到各個方向 的Gabor能量圖，所述Gabor能量圖的方向與其對應的Gabor濾波器的方向一致；
[0060] 所述步驟B中Gabor濾波器組的二維Gabor函數表達式如下：
[0061]
[0062] 其中= mviM- .ν.ν/Η/λ J_ =-細># + u os" * γ為一個表示橢圓形感受野長短軸比 例的常數，參數λ為波長，σ為DoG模板中心區(qū)的帶寬，l/λ為余弦函數的空間頻率，〇/ λ為空間頻率的帶寬，識是相角參數，Θ為Gabor濾波的方向參數；
[0063] Gabor能量圖計算模型如下：
[0064]
[0065] 其中 A
[0066] I為待檢測圖像，*為卷積運算符；
[0067] C、采用二維高斯差分函數建立初始DoG模板，所述初始DoG模板為圓形，并包含圓 形的中心區(qū)，所述中心區(qū)內各像素點值均為零值；
[0068] 所述步驟C中初始DoG模板對應的表達式如下：
[0069]
⑷；
[0070] DoG模板對應的距離權重模板表達式如下：
[0071]
(5);
[0072] 其牛（6); | 卜 | L為一階（L1) 范數；
[0073] D、在初始DoG模板上預設一個與中心區(qū)共圓心的環(huán)狀的待置零區(qū)域，對待置零區(qū) 域內的全部像素點值進行置零，置零后生成一個變換DoG模板；
[0074] 所述步驟D中待置零區(qū)域對應的數學模型如下：
[0075] 待置零區(qū)域用集合表示為{x, y|x2+y2彡R+d, x2+y2彡R} (7)；
[0076] 其中R為待置零區(qū)域的內圈半徑，d為待置零區(qū)域的寬度；
[0077] E、用變換DoG模板對各個方向的Gabor能量圖進行濾波，得到各個方向的變換濾 波結果值圖，其方向與其對應的Gabor能量圖的方向相同；
[0078] 所述的步驟E中，用變換DoG模板對各個方向的Gabor能量圖進行濾波對應公式 如下：
[0079] (賤，
[0080] 其中為Θ方向的變換濾波結果圖中像素點（X，y)的濾波結果值， Ελ,e (X，y)為Θ方向的Gabor能量圖中像素點（X，y)的Gabor能量值，*為卷積運算， ?d(x，y)是指變換DoG模板。
[0081] F、對各個像素點的變換濾波結果值修正，得到各個像素點的修正濾波結果值，進 而得到各方向的修正抑制圖；
[0082] 所述步驟F中的修正是指對變換濾波結果值圖中各像素點的值乘上預設的參數；
[0083] G、將各方向Gabor能量圖中各像素點的Gabor能量值減去方向與其相同的修正抑 制圖中對應的像素點的濾波結果值，作為該像素點該方向的初始輪廓值，進而得到各像素 點各方向的初始輪廓值；
[0084] 所述步驟G對應的數學模型如下：
[0085]
(9)；
[0086] 其中b Θ (X，y)為像素點（X，y)的初始輪廓值，Ελ,。，e (X，y)為Θ方向的Gabor能 量圖中像素點（x，y)的Gabor能量值，a為修正參數，??(Λ·〇·)為像素點（x，y) Θ方向的抑 制值；
[0087] 其中Η函數為：
[0_
Π0);
[0089] Η、選取各像素點各方向的初始輪廓值中的最大值，作為該像素點的最大輪廓值， 對上述最大輪廓值使用非極大值抑制和雙閾值處理，得到各像素點的最終輪廓值，進而得 到最終輪廓圖。
[0090] 上述非極大值抑制和雙閾值處理采用以下文獻中提供的方法：
[0091] Canny, J. , A Computational Approach To Edge Detection,IEEE Trans. Pattern Analysis and M achine Intelligence，8 (6) :679 - 698, 1986.0
[0092] 本實施例中所述步驟B中的多個方向參數的Gabor濾波器組，其不同方向的濾波 器個數為8個，在360度內等弧度分布；所述步驟Η中的修正是指對抑制最大值圖中各像素 點的值乘上預設的參數，所述參數為1. 2,所述待置零區(qū)域的寬度為6 ;
[0093] 如圖2所示，本實施例DoG模板變換區(qū)域示意圖，其中1為DoG模板，2為DoG模板 中心區(qū)，3為待置零區(qū)域，內圈半徑為30;
[0094] 如圖3-10所示，本實施例對兩幅圖像處理領域較為經典的圖像進行 輪廓檢測，并與輪廓檢測領域經典算法文獻1進行結果對比，文獻1為"Cosmin Grigorescu, Nicolai Petkov, and Michel A. ffestenberg. Contour Detection Based on Nonclassical Receptive Field Inhibition[J]. IEEE Transactions on image processing, vol. 12, no. 7, july 2003729-739"，對比結果參見表 1 ;
[0095] 表1文獻1輪廓檢測方法與實施例1方法的檢測結果P對比：
[0096]
[0097] 上述檢測結果P采用以下評測公式：
[0098]
[0099] 評測標準P在[0, 1]之間。式中card(X)表示集合X中成員的數目；C，CFP和C FN 分別表示正確檢測的輪廓，虛假輪廓與遺漏的輪廓。如果所有的真實的輪廓都正確地檢測 了出來，并且沒有背景邊緣被錯檢為輪廓像素，則P = 1 ;錯檢（漏檢）越多時，P越接近0。
【主權項】
1. 仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，其特征在于包括W下步驟： A、 輸入經灰度處理的待檢測圖像； B、 預設多個方向參數的Gabor濾波器組，對待檢測圖像中的各像素點分別按照各個方 向參數進行Gabor能量計算，獲得各像素點的各個方向的Gabor能量值，得到各個方向的 Gabor能量圖，所述Gabor能量圖的方向與其對應的Gabor濾波器的方向一致； C、 采用二維高斯差分函數建立初始DoG模板，所述初始DoG模板為圓形，并包含圓形的 中屯、區(qū)，所述中屯、區(qū)內各像素點值均為零值； D、 在初始DoG模板上預設一個與中屯、區(qū)共圓屯、的環(huán)狀的待置零區(qū)域，對待置零區(qū)域內 的全部像素點值進行置零，置零后生成一個變換DoG模板； E、 用變換DoG模板對各個方向的Gabor能量圖進行濾波，得到各個方向的變換濾波結 果值圖，其方向與其對應的Gabor能量圖的方向相同； F、 對各個像素點的變換濾波結果值修正，得到各個像素點的修正濾波結果值，進而得 到各方向的修正抑制圖； G、 將各方向Gabor能量圖中各像素點的Gabor能量值減去方向與其相同的修正抑制圖 中對應的像素點的濾波結果值，作為該像素點該方向的初始輪廓值，進而得到各像素點各 方向的初始輪廓值； H、 選取各像素點各方向的初始輪廓值中的最大值，作為該像素點的最大輪廓值，對上 述最大輪廓值使用非極大值抑制和雙闊值處理，得到各像素點的最終輪廓值，進而得到最 終輪廓圖。2. 如權利要求1所述的仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，其特征在 于：所述步驟B中G油or濾波器組的二維G油or函數表達式如下：巳1); 其中丫為一個表示楠圓形感受野長短軸比例的 常數，參數^為波長，0為DoG模板中屯、區(qū)的帶寬，1/A為余弦函數的空間頻率，0/A為 空間頻率的帶寬，夢;是相角參數，0為Gabor濾波的方向參數； G油or能量圖計算模型如下：符:)； 其中(3)； I為待檢測圖像，*為卷積運算符。3. 如權利要求1所述的仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，其特征在 于：所述步驟C中初始DoG模板對應的表達式如下：(4); DoG模板對應的距離權重模板表達式如下： C5); (6)，M ? I Ii為一階化I)范數。4. 如權利要求1所述的輪廓檢測方法，其特征在于：所述步驟D中待置零區(qū)域對應的 數學模型如下： 待置零區(qū)域用集合表示為{X，y I x2+y2《 R+d，X 2+y2>時（7); 其中R為待置零區(qū)域的內圈半徑，d為待置零區(qū)域的寬度。5. 如權利要求1所述的仿生物跳躍眼動信息處理機制的目標輪廓檢測方法，其特征在 于： 所述的步驟E中，用變換DoG模板對各個方向的Gabor能量圖進行濾波對應公式如下：其中為0方向的變換濾波結果圖中像素點（X，y)的濾波結果值， E、。，0 (X，y)為0方向的Gabor能量圖中像素點（X，y)的Gabor能量值，*為卷積運算， ?d(x，y)是指變換DoG模板。6. 如權利要求1所述的輪廓檢測方法，其特征在于： 所述步驟F中的修正是指對變換濾波結果值圖中各像素點的值乘上預設的參數。7. 如權利要求1所述的輪廓檢測方法，其特征在于： 所述步驟G對應的數學模型如下：巧).; 其中be (X，y)為像素點（X，y)的初始輪廓值，E、。，e (X，y)為0方向的Gabor能量圖 中像素點（義，7)的〇曰13〇1'能量值，曰為修正參數，1,,'(.\-,.1'）為像素點（又，7)0方向的抑制值； 其中H函數為：(10)。8. 如權利要求1所述的輪廓檢測方法，其特征在于：所述步驟B中的多個方向參數的 G油or濾波器組，其不同方向的濾波器個數為8-12個，在360度內等弧度分布。9. 如權利要求1所述的輪廓檢測方法，其特征在于： 所述步驟D中待置零區(qū)域的寬度為4-6。
【文檔編號】G06T7/00GK106033609SQ201510442081
【公開日】2016年10月19日
【申請日】2015年7月24日
【發(fā)明人】林川, 曹以雋, 韋江華, 張玉薇, 呂曉峰
【申請人】廣西科技大學