仿生物跳躍眼動信息處理機(jī)制的目標(biāo)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(jī)制的目標(biāo)輪廓檢測方法，包括以下步驟：輸入經(jīng)灰度處理的待檢測圖像；進(jìn)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(jìn)行變換，并用變換DoG模板對Gabor能量圖進(jìn)行濾波；根據(jù)上述濾波結(jié)果圖生成抑制圖；對抑制圖進(jìn)行修正，得到修正抑制圖；將各方向Gabor能量圖中各像素點(diǎn)的Gabor能量值減去方向與其相同的修正抑制圖中對應(yīng)的像素點(diǎn)的濾波結(jié)果值，作為該像素點(diǎn)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(xiàn)有技術(shù)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(diǎn)。
【專利說明】
仿生物跳躍眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種仿生物跳躍眼動信息處理機(jī)制的目標(biāo)輪 廓檢測方法。
【背景技術(shù)】
[0002] 輪廓檢測是圖像處理及計(jì)算機(jī)視覺中一個很重要組成部分。從復(fù)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(tǒng)的圖像處理方法中，應(yīng)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(jìn)行檢測，無法區(qū)分目標(biāo)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(jié)果；
[0003] 現(xiàn)有技術(shù)進(jìn)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(shù)下分別對圖像依次進(jìn)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(shù)所得濾波結(jié)果為基礎(chǔ)，將低頻參數(shù)所得濾波結(jié)果作為抑制量，分 別通過二維高斯差分函數(shù)（DoG)模板進(jìn)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(yùn)動，主要指閃動，當(dāng)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(yīng)的意義和作用；跳躍眼動是使視覺目標(biāo)迅速地 從視網(wǎng)膜邊緣轉(zhuǎn)移到視網(wǎng)膜邊緣轉(zhuǎn)移到視網(wǎng)膜中央凹，從而獲得最好的視覺效果；而上述 方法采用預(yù)設(shè)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(yīng)， 具有仿真度低、輪廓識別率低的缺陷。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明旨在提供一種仿生物跳躍眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法，該檢測 方法克服現(xiàn)有技術(shù)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(diǎn)。
[0005] 本發(fā)明的技術(shù)方案如下，仿生物跳躍眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法，包 括以下步驟：
[0006] A、輸入經(jīng)灰度處理的待檢測圖像；
[0007] B、預(yù)設(shè)多個方向參數(shù)的Gabor濾波器組，對待檢測圖像中的各像素點(diǎn)分別按照各 個方向參數(shù)進(jìn)行Gabor能量計(jì)算，獲得各像素點(diǎn)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(yīng)的Gabor濾波器的方向一致；
[0008] C、采用二維高斯差分函數(shù)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(nèi)各像素點(diǎn)值均為零值；
[0009] D、在初始DoG模板上預(yù)設(shè)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(nèi)的全部像素點(diǎn)值進(jìn)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(jìn)行濾波，得到各個方向的變換濾 波結(jié)果值圖，其方向與其對應(yīng)的Gabor能量圖的方向相同；
[0011] F、對于各個方向的變換濾波結(jié)果值圖進(jìn)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(diǎn)的Gabor能量值減去方向與其相同的修正抑 制圖中對應(yīng)的像素點(diǎn)的濾波結(jié)果值，作為該像素點(diǎn)該方向的初始輪廓值，進(jìn)而得到各像素 點(diǎn)各方向的初始輪廓值；
[0013] H、選取各像素點(diǎn)各方向的初始輪廓值中的最大值，作為該像素點(diǎn)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(diǎn)的最終輪廓值，進(jìn)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(shù)表達(dá)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(shù)，參數(shù)λ為波長，σ為DoG模板中心區(qū)的帶寬，l/λ為余弦函數(shù)的空間頻率，〇/ λ為空間頻率的帶寬，伊是相角參數(shù)，Θ為Gabor濾波的方向參數(shù)；
[0017] Gabor能量圖計(jì)算模型如下：
[0018]
[0019] 其中 = (3);
[0020] I為待檢測圖像，*為卷積運(yùn)算符。
[0021 ] 優(yōu)選地，所述步驟C中初始DoG模板對應(yīng)的表達(dá)式如下：
[0022]
[0023] DoG模板對應(yīng)的距離權(quán)重模板表達(dá)式如下：
[0024]
(5.?
[0025]
[0026] 其【
（6); | 卜 | L為一階（L1) 范數(shù)。
[0027] 優(yōu)選地，所述步驟D中待置零區(qū)域?qū)?yīng)的數(shù)學(xué)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(nèi)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(jìn)行濾波對 應(yīng)公式如下：
[0031]
(6:8?
[0032] 其弓
? Θ方向的變換濾波結(jié)果圖中像素點(diǎn)（X，y)的濾波結(jié)果值， Ελ,e (X，y)為Θ方向的Gabor能量圖中像素點(diǎn)（X，y)的Gabor能量值，*為卷積運(yùn)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(jié)果值圖中各像素點(diǎn)的值乘上預(yù)設(shè)的參數(shù)。
[0034] 優(yōu)選地，所述步驟G對應(yīng)的數(shù)學(xué)模型如下：
[0035]
(9)，
[0036] 其中b Θ (X，y)為像素點(diǎn)（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(diǎn)（x，y)的Gabor能量值，a為修正參數(shù)，為像素點(diǎn)（x，y) Θ方向的抑 制值；
[0037] 其中Η函數(shù)為：
[0038]
[0039] 優(yōu)選地，所述步驟Β中的多個方向參數(shù)的Gabor濾波器組，其不同方向的濾波器個 數(shù)為8-12個，在360度內(nèi)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(diǎn)的值乘上預(yù)設(shè)的參 數(shù)。
[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(shù)方案創(chuàng)新地將經(jīng)典感受野的輪廓提取方法與人眼的跳躍眼動相結(jié)合， 采用變換的DoG模板對人眼的跳躍眼動進(jìn)行仿真模擬，提高了經(jīng)典感受野模型的仿真度； 跳躍眼動對關(guān)注的弱小信息能做到快速、精確地邊緣提取，也能對視網(wǎng)膜周邊區(qū)域信息產(chǎn) 生適度警覺作用，可以進(jìn)一步提高經(jīng)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(jī)制的目標(biāo)輪廓檢測方法的流程圖
[0044] 圖2為本發(fā)明實(shí)施例lDoG模板變換區(qū)域示意圖
[0045] 圖3為本發(fā)明實(shí)施例1進(jìn)行輪廓檢測的圖像1
[0046] 圖4為圖像1的標(biāo)準(zhǔn)輪廓圖
[0047] 圖5為圖像1經(jīng)文獻(xiàn)1檢測方法得到的輪廓圖
[0048] 圖6為圖像1經(jīng)實(shí)施例1檢測方法得到的輪廓圖
[0049] 圖7為本發(fā)明實(shí)施例1進(jìn)行輪廓檢測的圖像2
[0050] 圖8為圖像2的標(biāo)準(zhǔn)輪廓圖
[0051 ] 圖9為圖像2經(jīng)文獻(xiàn)1檢測方法得到的輪廓圖
[0052] 圖10為圖像2經(jīng)實(shí)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(shí)施方式】
[0054] 下面結(jié)合附圖和實(shí)施例具體說明本發(fā)明。
[0055] 實(shí)施例1
[0056] 如圖1所示，本實(shí)施例仿生物跳躍眼動信息處理機(jī)制的目標(biāo)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(jī)制的目標(biāo)輪廓檢測方法，包括以下步驟：
[0058] A、輸入經(jīng)灰度處理的待檢測圖像；
[0059] B、預(yù)設(shè)多個方向參數(shù)的Gabor濾波器組，對待檢測圖像中的各像素點(diǎn)分別按照各 個方向參數(shù)進(jìn)行Gabor能量計(jì)算，獲得各像素點(diǎn)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(yīng)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(shù)表達(dá)式如下：
[0061]
[0062] 其中= mviM- .ν.ν/Η/λ J_ =-細(xì)># + u os" * γ為一個表示橢圓形感受野長短軸比 例的常數(shù)，參數(shù)λ為波長，σ為DoG模板中心區(qū)的帶寬，l/λ為余弦函數(shù)的空間頻率，〇/ λ為空間頻率的帶寬，識是相角參數(shù)，Θ為Gabor濾波的方向參數(shù)；
[0063] Gabor能量圖計(jì)算模型如下：
[0064]
[0065] 其中 A
[0066] I為待檢測圖像，*為卷積運(yùn)算符；
[0067] C、采用二維高斯差分函數(shù)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(nèi)各像素點(diǎn)值均為零值；
[0068] 所述步驟C中初始DoG模板對應(yīng)的表達(dá)式如下：
[0069]
⑷；
[0070] DoG模板對應(yīng)的距離權(quán)重模板表達(dá)式如下：
[0071]
(5);
[0072] 其牛（6); | 卜 | L為一階（L1) 范數(shù)；
[0073] D、在初始DoG模板上預(yù)設(shè)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(nèi)的全部像素點(diǎn)值進(jìn)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?qū)?yīng)的數(shù)學(xué)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(nèi)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(jìn)行濾波，得到各個方向的變換濾 波結(jié)果值圖，其方向與其對應(yīng)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(jìn)行濾波對應(yīng)公式 如下：
[0079] (賤，
[0080] 其中為Θ方向的變換濾波結(jié)果圖中像素點(diǎn)（X，y)的濾波結(jié)果值， Ελ,e (X，y)為Θ方向的Gabor能量圖中像素點(diǎn)（X，y)的Gabor能量值，*為卷積運(yùn)算， ?d(x，y)是指變換DoG模板。
[0081] F、對各個像素點(diǎn)的變換濾波結(jié)果值修正，得到各個像素點(diǎn)的修正濾波結(jié)果值，進(jìn) 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(jié)果值圖中各像素點(diǎn)的值乘上預(yù)設(shè)的參數(shù)；
[0083] G、將各方向Gabor能量圖中各像素點(diǎn)的Gabor能量值減去方向與其相同的修正抑 制圖中對應(yīng)的像素點(diǎn)的濾波結(jié)果值，作為該像素點(diǎn)該方向的初始輪廓值，進(jìn)而得到各像素 點(diǎn)各方向的初始輪廓值；
[0084] 所述步驟G對應(yīng)的數(shù)學(xué)模型如下：
[0085]
(9)；
[0086] 其中b Θ (X，y)為像素點(diǎn)（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(diǎn)（x，y)的Gabor能量值，a為修正參數(shù)，??(Λ·〇·)為像素點(diǎn)（x，y) Θ方向的抑 制值；
[0087] 其中Η函數(shù)為：
[0_
Π0);
[0089] Η、選取各像素點(diǎn)各方向的初始輪廓值中的最大值，作為該像素點(diǎn)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(diǎn)的最終輪廓值，進(jìn)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(xiàn)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(shí)施例中所述步驟B中的多個方向參數(shù)的Gabor濾波器組，其不同方向的濾波 器個數(shù)為8個，在360度內(nèi)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(diǎn)的值乘上預(yù)設(shè)的參數(shù)，所述參數(shù)為1. 2,所述待置零區(qū)域的寬度為6 ;
[0093] 如圖2所示，本實(shí)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(nèi)圈半徑為30;
[0094] 如圖3-10所示，本實(shí)施例對兩幅圖像處理領(lǐng)域較為經(jīng)典的圖像進(jìn)行 輪廓檢測，并與輪廓檢測領(lǐng)域經(jīng)典算法文獻(xiàn)1進(jìn)行結(jié)果對比，文獻(xiàn)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(jié)果參見表 1 ;
[0095] 表1文獻(xiàn)1輪廓檢測方法與實(shí)施例1方法的檢測結(jié)果P對比：
[0096]
[0097] 上述檢測結(jié)果P采用以下評測公式：
[0098]
[0099] 評測標(biāo)準(zhǔn)P在[0, 1]之間。式中card(X)表示集合X中成員的數(shù)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(shí)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(quán)項(xiàng)】
1. 仿生物跳躍眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法，其特征在于包括W下步驟： A、 輸入經(jīng)灰度處理的待檢測圖像； B、 預(yù)設(shè)多個方向參數(shù)的Gabor濾波器組，對待檢測圖像中的各像素點(diǎn)分別按照各個方 向參數(shù)進(jìn)行Gabor能量計(jì)算，獲得各像素點(diǎn)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(yīng)的Gabor濾波器的方向一致； C、 采用二維高斯差分函數(shù)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(nèi)各像素點(diǎn)值均為零值； D、 在初始DoG模板上預(yù)設(shè)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(nèi) 的全部像素點(diǎn)值進(jìn)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(jìn)行濾波，得到各個方向的變換濾波結(jié) 果值圖，其方向與其對應(yīng)的Gabor能量圖的方向相同； F、 對各個像素點(diǎn)的變換濾波結(jié)果值修正，得到各個像素點(diǎn)的修正濾波結(jié)果值，進(jìn)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(diǎn)的Gabor能量值減去方向與其相同的修正抑制圖 中對應(yīng)的像素點(diǎn)的濾波結(jié)果值，作為該像素點(diǎn)該方向的初始輪廓值，進(jìn)而得到各像素點(diǎn)各 方向的初始輪廓值； H、 選取各像素點(diǎn)各方向的初始輪廓值中的最大值，作為該像素點(diǎn)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(diǎn)的最終輪廓值，進(jìn)而得到最 終輪廓圖。2. 如權(quán)利要求1所述的仿生物跳躍眼動信息處理機(jī)制的目標(biāo)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(shù)表達(dá)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(shù)，參數(shù)^為波長，0為DoG模板中屯、區(qū)的帶寬，1/A為余弦函數(shù)的空間頻率，0/A為 空間頻率的帶寬，夢;是相角參數(shù)，0為Gabor濾波的方向參數(shù)； G油or能量圖計(jì)算模型如下：符:)； 其中(3)； I為待檢測圖像，*為卷積運(yùn)算符。3. 如權(quán)利要求1所述的仿生物跳躍眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法，其特征在 于：所述步驟C中初始DoG模板對應(yīng)的表達(dá)式如下：(4); DoG模板對應(yīng)的距離權(quán)重模板表達(dá)式如下： C5); (6)，M ? I Ii為一階化I)范數(shù)。4. 如權(quán)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?qū)?yīng)的 數(shù)學(xué)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(nèi)圈半徑，d為待置零區(qū)域的寬度。5. 如權(quán)利要求1所述的仿生物跳躍眼動信息處理機(jī)制的目標(biāo)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(jìn)行濾波對應(yīng)公式如下：其中為0方向的變換濾波結(jié)果圖中像素點(diǎn)（X，y)的濾波結(jié)果值， E、。，0 (X，y)為0方向的Gabor能量圖中像素點(diǎn)（X，y)的Gabor能量值，*為卷積運(yùn)算， ?d(x，y)是指變換DoG模板。6. 如權(quán)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(jié)果值圖中各像素點(diǎn)的值乘上預(yù)設(shè)的參數(shù)。7. 如權(quán)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(yīng)的數(shù)學(xué)模型如下：巧).; 其中be (X，y)為像素點(diǎn)（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(diǎn)（義，7)的〇曰13〇1'能量值，曰為修正參數(shù)，1,,'(.\-,.1'）為像素點(diǎn)（又，7)0方向的抑制值； 其中H函數(shù)為：(10)。8. 如權(quán)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(shù)的 G油or濾波器組，其不同方向的濾波器個數(shù)為8-12個，在360度內(nèi)等弧度分布。9. 如權(quán)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(xué)