專利名稱:一種目標(biāo)物體輪廓檢測方法
技術(shù)領(lǐng)域:
本發(fā)明屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域,特別涉及一種目標(biāo)物體輪廓檢測的方法。
背景技術(shù):
視覺信息處理研究方面的重大突破和融入到學(xué)科大交叉的趨勢引起了越來越多的研究者的關(guān)注,特別是邊緣檢測這一領(lǐng)域的研究者的關(guān)注,如何將人類視覺系統(tǒng)的特性應(yīng)用到其中以解決輪廓檢測的難題已經(jīng)成為的研究一個(gè)熱點(diǎn)。文獻(xiàn)“Grigorescu C, Petkov N, Westenberg Μ, Contour detection based on nonclassical receptive field inhibition, IEEE Transactions on Image Processing 12,2003,729—739” 利用非經(jīng)典感受野對經(jīng)典感受野的抑制特性展開了相關(guān)研究,模擬非經(jīng)典感受野的抑制作用,在對具有復(fù)雜背景的自然圖像進(jìn)行檢測時(shí),這一算子比傳統(tǒng)邊緣檢測算子表現(xiàn)出更好的效果,特別是針對有特定任務(wù)的要求,減少了環(huán)境紋理的影響,更能有效的區(qū)分背景和輪廓; 針對 Grigorescu 等人工作中的缺陷,Tang QL, Sang N, Zhang TX 在文獻(xiàn)“Extraction of salient contours from cluttered scenes, Pattern Recognition,40(11),2007, 3100-3109”對模型進(jìn)行了改進(jìn),先將圓環(huán)模型改進(jìn)為蝶型模型,減少了共線抑制的作用,后又根據(jù)非經(jīng)典感受野對經(jīng)典感受野的易化作用,加入了端區(qū)易化,新的模型克服了 Grigorescu等人所建立的模型的不足,更為符合視覺機(jī)制,也增強(qiáng)了邊緣檢測算子針對特地目標(biāo)的有效性。但仍存在一些缺陷,表現(xiàn)在不能隨著外界輸入信息的變化即時(shí)地調(diào)節(jié)其視覺系統(tǒng),并且對復(fù)雜自然場景中物體輪廓提取時(shí)輪廓檢測和目標(biāo)輪廓提取的效果較差。
發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有的非經(jīng)典感受野抑制輪廓檢測方法對復(fù)雜自然場景中物體輪廓提取時(shí)存在的缺陷,提出了一種目標(biāo)物體輪廓檢測方法。本發(fā)明的技術(shù)方案是一種目標(biāo)物體輪廓檢測方法,包括如下步驟Si.濾波處理利用Gabor濾波器組或log Gabor濾波器組對目標(biāo)圖像進(jìn)行濾波處理,即利用N個(gè)不同方向下的Gabor濾波器或log Gabor濾波器對圖像進(jìn)行濾波處理,得到N個(gè)不同朝向下的朝向信息分布圖;S2.確定最優(yōu)朝向圖和最大能量圖比較不同朝向信息分布圖中對應(yīng)位置的像素值的大小,取各像素點(diǎn)的最大值作為輸出,得到最大能量圖;同時(shí)各像素點(diǎn)取最大值時(shí)對應(yīng)的朝向?yàn)樵擖c(diǎn)的最優(yōu)朝向,將各像素點(diǎn)的最優(yōu)朝向作為輸出,得到最優(yōu)朝向圖;S3.計(jì)算對比度圖對于目標(biāo)圖像依次計(jì)算以每個(gè)像素為中心的鄰域內(nèi)的像素值的標(biāo)準(zhǔn)差,將這個(gè)標(biāo)準(zhǔn)差作為該像素的對比度值,得到對比度圖;S4.計(jì)算判定圖對于對比度圖取以每個(gè)像素為中心的一個(gè)M*M的鄰域,利用該鄰域內(nèi)的像素的平均值乘以門限因子α = (ρ_ιΛΜ-1)得到一個(gè)門限Τ,這里ρ的范圍為O <Ρ^0. 5,然后再比較該像素值和該門限T的大小,大于該門限的則認(rèn)為該像素點(diǎn)的端區(qū)作用為易化,即加強(qiáng),值為1,反之則該像素點(diǎn)的端區(qū)作用為抑制,即減弱,值為-1,得到用于判定端區(qū)作用值為1或-ι的判定圖;S5.計(jì)算不同朝向下的能量圖從步驟S2計(jì)算得到的最大能量圖中依次提取最優(yōu)朝向?yàn)榈谝粋€(gè)朝向,第二個(gè)朝向到第N個(gè)朝向的點(diǎn),得到N個(gè)不同朝向下的能量圖,在這N 個(gè)圖像中,僅最優(yōu)朝向?yàn)閷?yīng)的方向的像素點(diǎn)有值,值為最大能量;S6.計(jì)算側(cè)區(qū)作用用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器,得到不同方向下的非經(jīng)典感受野蝶型側(cè)區(qū)模板,利用蝶型側(cè)區(qū)模板對步驟S5得到的N個(gè)不同朝向下的能量圖進(jìn)行濾波處理,得到N個(gè)不同朝向下的側(cè)區(qū)作用圖,同時(shí)依次計(jì)算最優(yōu)朝向圖和每個(gè)朝向的朝向差權(quán)重,N個(gè)不同朝向下的側(cè)區(qū)作用圖與對應(yīng)的朝向差權(quán)重相乘得到N個(gè)不同朝向下的側(cè)區(qū)恒定作用圖,然后把N個(gè)不同朝向下的側(cè)區(qū)恒定作用圖相加,得到側(cè)區(qū)恒定作用圖;S7.計(jì)算端區(qū)作用用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器,得到不同方向下的非經(jīng)典感受野蝶型端區(qū)模板,利用蝶型端區(qū)模板對步驟S5得到的N個(gè)不同朝向下的能量圖進(jìn)行濾波處理,得到N個(gè)不同朝向下的端區(qū)作用圖,再將N個(gè)不同朝向下的端區(qū)作用圖結(jié)果相加,得到端區(qū)作用圖;S8.計(jì)算端區(qū)選擇性作用權(quán)重側(cè)區(qū)恒定作用圖除以側(cè)區(qū)恒定作用圖與端區(qū)作用圖之和得到一比值,用1減去該比值,得到端區(qū)選擇性作用權(quán)重;S9.計(jì)算端區(qū)選擇性作用將步驟S4得到的判定圖與步驟S8得到的端區(qū)選擇性作用權(quán)重相乘得到端區(qū)選擇性作用結(jié)果圖;S10.計(jì)算側(cè)區(qū)抑制端區(qū)選擇性作用后的結(jié)果圖用步驟S2得到的最大能量圖減去步驟S6得到的側(cè)區(qū)恒定作用圖,加上步驟S9得到的端區(qū)選擇性作用結(jié)果圖,得到經(jīng)過側(cè)區(qū)抑制和端區(qū)選擇性作用的輪廓圖;Sll. 二值化處理對步驟SlO得到的輪廓圖,進(jìn)行二值化處理,得到最終的輪廓圖像。本發(fā)明的有益效果本發(fā)明將非經(jīng)典感受野分為端區(qū)和側(cè)區(qū),在側(cè)區(qū)進(jìn)行恒定抑制,在端區(qū)利用對比度的影響進(jìn)行選擇性作用,同時(shí)在計(jì)算選擇性作用時(shí)采用一種自適應(yīng)的方法,根據(jù)每個(gè)像素一定鄰域內(nèi)的對比度值來設(shè)置門限判定該像素應(yīng)進(jìn)行抑制還是易化,另一方面根據(jù)非經(jīng)典感受野濾波器側(cè)區(qū)對中心位置處像素的抑制作用以壓制紋理及其它局部特征相似的背景信息、進(jìn)而突出輪廓信息,同時(shí)根據(jù)非經(jīng)典感受野濾波器側(cè)區(qū)作用來調(diào)制端區(qū)作用的大小,以盡可能地保留輪廓線的完整性的同時(shí)、最大程度地抑制背景干擾。本發(fā)明檢測方法具有可隨外界輸入信息(對比度、朝向等)變化而即時(shí)地調(diào)節(jié)其視覺系統(tǒng)的自適應(yīng)能力強(qiáng),可有效提高輪廓檢測系統(tǒng)從復(fù)雜場景中迅速、準(zhǔn)確地提取出目標(biāo)輪廓的能力、效果和輪廓的清晰度等特點(diǎn)。本發(fā)明的方法可應(yīng)用于計(jì)算機(jī)視覺中的目標(biāo)物體檢測和識(shí)別等。
圖1是非經(jīng)典感受野側(cè)區(qū)和端區(qū)示意圖,及經(jīng)典感受野和非經(jīng)典感受野混合模型示意圖,1-1為側(cè)區(qū)示意圖,1-2為端區(qū)示意圖,1-3為混合模型示意圖。圖2是本發(fā)明目標(biāo)物體輪廓檢測方法的流程示意圖。圖3是計(jì)算判定圖時(shí)每個(gè)像素判定過程示意圖。
圖4為采用本發(fā)明方法對自然圖像進(jìn)行實(shí)際檢測的輪廓圖及與標(biāo)準(zhǔn)輪廓圖、采用背景技術(shù)中的兩種方法檢測的輪廓圖的效果對比圖。
具體實(shí)施例方式下面結(jié)合附圖和具體的實(shí)施例對本發(fā)明做進(jìn)一步的闡述。本發(fā)明以現(xiàn)代生物學(xué)和生理學(xué)為基礎(chǔ),根據(jù)視覺系統(tǒng)中初級視皮層神經(jīng)元的經(jīng)典感受野(CRF,Classical Receptive Field)的外周,即非經(jīng)典感受野(nCRF,non-CRF)對中心主要呈現(xiàn)出兩種不同的調(diào)制作用抑制和易化,同時(shí)根據(jù)這兩種調(diào)制作用處于不同區(qū)域時(shí)所形成的不同組合,及對比度對這一調(diào)制作用的影響實(shí)現(xiàn)了一個(gè)側(cè)區(qū)恒定抑制端區(qū)選擇性作用的方法側(cè)區(qū)抑制在一定程度上的抑制掉紛亂的紋理,而通過端區(qū)選擇性作用,選擇性的增強(qiáng)了輪廓以及被側(cè)區(qū)作用抑制掉的輪廓,并進(jìn)一步抑制掉背景紋理。非經(jīng)典感受野側(cè)區(qū)和端區(qū)示意圖,及經(jīng)典感受野和非經(jīng)典感受野混合模型如圖1所示。下面以一實(shí)施例為例進(jìn)行具體說明。本實(shí)施例圖像從目前國際公認(rèn)的驗(yàn)證輪廓提取方法效果的圖像庫網(wǎng)站上下載的 Basket (籃子)圖像及其對應(yīng)的標(biāo)準(zhǔn)輪廓圖,其中的標(biāo)準(zhǔn)輪廓檢測結(jié)果(ground truth)是由多個(gè)人手工勾畫后平均得到的,圖像大小均為512X512,具體檢測方法的流程如圖2所示,具體過程如下Si.濾波處理給定Gabor濾波器組的尺度參數(shù)值為1. 6、在180°范圍內(nèi)取12個(gè)朝向,其朝向參數(shù)分別為in/12,(i = 0,1,…,11),得到一組12個(gè)不同朝向的Gabor濾波器;然后采用每一朝向的濾波器依次對輸入圖像中的各像素點(diǎn)進(jìn)行濾波處理,得到12幅濾波處理后的圖像,即為12個(gè)不同朝向下的朝向信息分布圖像;這里也可以采用log Gabor濾波器組。S2.確定最優(yōu)朝向圖和最大能量圖通過步驟Sl得到了不同朝向下的朝向信息分布圖,以其中的兩個(gè)像素點(diǎn)(230J91)和O76,260)為例,在12個(gè)不同朝向下的朝向信息分布圖像中,對應(yīng)于Ο30,291)位置處像素點(diǎn)在各朝向信息分布圖像中的灰度值依次為16. 27,24. 01,7. 436,15. 39,26. 56,17. 75,83. 41,102. 7,31. 59,40. 23,17. 66,17. 13, 對應(yīng)于(276J60)位置處像素點(diǎn)在各朝向信息分布圖像中的灰度值依次為30.47,32. 17, 49. 57,51. 76,40. 42,339. 2,270. 7,41. 87,12. 69,35. 98,14. 76,12. 39 對應(yīng)于(230,291)位置處像素在各朝向信息分布圖像中最大值為102. 7,對應(yīng)最優(yōu)朝向?yàn)? π/12,則在最優(yōu)朝向圖中對應(yīng)于030,291)位置處像素值為7 π/12,而在最大能量圖中對應(yīng)于(230,四1) 位置處像素值為102. 7,對應(yīng)于(276J60)位置處像素在各朝向信息分布圖像中最大值為339. 2,對應(yīng)最優(yōu)朝向?yàn)? π/12,則在最優(yōu)朝向圖中對應(yīng)于(276,沈0)位置處像素值為 5 π/12,而在最大能量圖中對應(yīng)于(276J60)位置處像素值為339. 2,其余各像素按同樣方式處理,便可以得到最大能量圖和最優(yōu)朝向圖。S3.計(jì)算對比度圖對于目標(biāo)圖像,依次計(jì)算以每個(gè)像素為中心的一個(gè)鄰域內(nèi)的像素值的標(biāo)準(zhǔn)差,將這個(gè)標(biāo)準(zhǔn)差作為該像素的對比度值仍以兩個(gè)像素點(diǎn)(230J91)和 (276,260)為例,取7*7的鄰域,由原圖像計(jì)算像素點(diǎn)(230,291)的對比度為5. 385,計(jì)算像素點(diǎn)Ο76,260)的對比度為觀.34,其余各像素按同樣方式處理,便可以得到對比度圖,對于邊緣的像素可以采用常規(guī)處理方法,在本實(shí)施例中具體為直接復(fù)制邊界像素值。最后并將這一對比度圖的范圍歸一化到-0. 5到0. 5并令小于-0. 45的值為0。S4.計(jì)算判定圖步驟S3計(jì)算得到該圖像的對比度圖,然后對于每個(gè)像素進(jìn)行自適應(yīng)判定,仍以像素點(diǎn)(230J91)和(276J60)為例來說明具體過程,在對比度圖中取以 (230,291)為中心的一個(gè)大小為15*15的鄰域,由其均值乘以乘積因子得到一個(gè)門限,公式
(X
為71 = — Σ Xi,式中,m = 15*15, α = (p-1/N-l),ρ 取 0. 3,計(jì)算得 α 為 0. 0062, T 為
Tn Xi e Λ
9. 6117,而(230,291)像素點(diǎn)對比度值為5. 385,則該點(diǎn)處于高對比度所以需要被抑制,賦值為-1,同樣到以(276,260)為中心的鄰域門限為30. 7741,像素點(diǎn)(276,260)對比度值為觀.34同樣的(276J60)點(diǎn)需要被抑制,賦值為-1,其余各像素按同樣方式處理,便可以得到利用對比度圖計(jì)算得到的判定圖。計(jì)算判定圖時(shí)每個(gè)像素判定過程示意圖如圖3所示。S5.計(jì)算不同朝向下的能量圖由步驟S2計(jì)算得到的最大能量圖中依次提取最優(yōu)朝向?yàn)榈谝粋€(gè)朝向,第二個(gè)朝向到第N個(gè)朝向的點(diǎn),這樣便得到N組圖像,在這N組圖像中, 僅最優(yōu)朝向?yàn)閷?yīng)的方向的像素點(diǎn)有值,值為最大能量,仍以像素點(diǎn)(230J91)和(276, 260)為例在步驟Sl中知道像素點(diǎn)(230,291)和(276,260)的最優(yōu)朝向分別為7 π/12和 5 π/12,則在提取最優(yōu)朝向?yàn)? π/12的點(diǎn)時(shí),會(huì)從最大能量圖中提取像素點(diǎn)Ο30,291)的能量值102.7為7π/12該朝向下的能量,而在該圖中(276J60)點(diǎn)的值為0,因?yàn)樗淖顑?yōu)朝向?yàn)? π /12而不是7 π /12,同樣在5 π /12下的能量圖中,(276,260)點(diǎn)的值為339. 2 而Ο30,291)點(diǎn)的值為0,其余各朝向下的像素點(diǎn)按照相同的方式來處理便可以得到不同朝向下的能量圖。S6.計(jì)算側(cè)區(qū)作用用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器,得到不同方向下的非經(jīng)典感受野蝶型側(cè)區(qū)模板,利用蝶型側(cè)區(qū)模板對步驟S5得到的N個(gè)不同朝向下的能量圖進(jìn)行濾波處理,得到N個(gè)不同朝向下的側(cè)區(qū)作用圖,同時(shí)依次計(jì)算最優(yōu)朝向圖和每個(gè)朝向的朝向差權(quán)重,N個(gè)不同朝向下的側(cè)區(qū)作用圖與對應(yīng)的朝向差權(quán)重相乘得到N個(gè)不同朝向下的側(cè)區(qū)恒定作用圖,然后把N個(gè)不同朝向下的側(cè)區(qū)恒定作用圖相加,得到側(cè)區(qū)恒定作用圖;以像素點(diǎn)Ο30,291)為例,各朝向下非經(jīng)典感受野對像素點(diǎn)(230J91)的抑制量依次為 1. 4505,0. 2226,0. 0210,0. 2354,0. 6021,0. 2158,2. 8116,3. 3516,3. 1365, 0. 2397,1. 4025,1. 7304,對應(yīng)朝向差權(quán)重分別為各朝向與7 π /12差計(jì)算得到的權(quán)重,分別為 0. 9785,0. 9692,0. 9785,0. 9862,0. 9922,0. 9965,0. 9991,1,0. 9991,0. 9965,0. 9922, 0.9862,最終像素點(diǎn)(230,291)受到的總的抑制作用為 1. 4505*0. 9785+0. 2226*0. 9692+0. 0210*0. 9785+0. 2354*0. 9862+0. 6021*0. 9922+0. 2158*0. 9965+2. 8116*0. 9991+3. 3516*1 + 3. 1365*0. 9991+0. 2397*0. 9965+1. 4025*0. 9922+1. 7304*0. 9862,即 15. 3315,同樣的便可以得到每個(gè)像素點(diǎn)側(cè)區(qū)對其的抑制作用,得到側(cè)區(qū)恒定作用圖。S7.計(jì)算端區(qū)作用用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器,得到不同方向下的非經(jīng)典感受野蝶型端區(qū)模板,利用蝶型端區(qū)模板對步驟S5得到的N個(gè)不同朝向下的能量圖進(jìn)行濾波處理,得到N個(gè)不同朝向下的端區(qū)作用圖,再將N個(gè)不同朝向下的端區(qū)作用圖結(jié)果相加,得到端區(qū)作用圖;以像素點(diǎn)Ο30,291)為例,各朝向下非經(jīng)典感受野對像素點(diǎn)Q30,291)的端區(qū)作用依次為 2. 2679,0. 1429,0. 2269,0. 9393,0. 7240,0. 5653,5. 8142,10. 5566,1. 9575,0.1087,2. 8473,3. 5603,在將結(jié)果疊加,便得到非經(jīng)典感受野對像素點(diǎn)(230,291)的端區(qū)作用為15. 3320,同樣的可以得到每個(gè)像素點(diǎn)端區(qū)對其的作用,得到端區(qū)作用圖。利用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器屬于本領(lǐng)域的現(xiàn)有技術(shù),具體可參見文獻(xiàn):Grigorescu C, Petkov N, Westenberg Μ, Contour detection based on nonclassical receptive field inhibition, IEEE Transactions on Image Processing, vol. 12,no. 7,729 739,2003,在本說明書中不再作詳細(xì)闡述。S8.計(jì)算端區(qū)選擇性作用權(quán)重仍以像素點(diǎn)Q30,291)為例來說明計(jì)算過程,用1減去像素點(diǎn)(230J91)側(cè)區(qū)作用15.3315比上端區(qū)作用和側(cè)區(qū)作用之和 (15. 3315+15. 3320),即 30. 6635,為 0. 5,其端區(qū)作用權(quán)重為 0. 5。為了更好的區(qū)分紋理和輪廓,對這一權(quán)重通過sigmoid非線性函數(shù)進(jìn)行調(diào)節(jié),這里sigmoid非線性函數(shù)為s (t) = l/(l+e_a(t_T)),α =0.8,τ = 0. 6,對這一權(quán)重做以修正得到最終該像素點(diǎn)的端區(qū)作用權(quán)重為0. 6170。這樣在側(cè)區(qū)作用較大時(shí),認(rèn)為該區(qū)域?yàn)榧y理區(qū)域,其端區(qū)作用權(quán)重小,反之則端區(qū)作用權(quán)重大。S9.計(jì)算端區(qū)選擇性作用將步驟S4得到的判定圖與步驟S8得到的端區(qū)選擇性作用權(quán)重相乘得到端區(qū)選擇性作用結(jié)果圖;步驟S4中判定圖中像素點(diǎn)(230J91)值為-1, 步驟S7中其端區(qū)作用權(quán)重為0. 6170,所以最終該點(diǎn)受到的端區(qū)作用為-0. 6170。S10.計(jì)算側(cè)區(qū)抑制端區(qū)選擇性作用后的結(jié)果圖用步驟S2得到的最大能量圖減去步驟S6得到的側(cè)區(qū)恒定作用圖,加上步驟S9得到的端區(qū)選擇性作用結(jié)果圖,得到經(jīng)過側(cè)區(qū)抑制和端區(qū)選擇性作用的輪廓圖。仍以像素點(diǎn)030,291)為例,其最大能量為102. 7,側(cè)區(qū)抑制作用為15. 3315,端區(qū)作用為-0. 6170,所以最終像素點(diǎn)輸出為86. 7515。對每個(gè)像素點(diǎn)進(jìn)行計(jì)算,進(jìn)而可以得到經(jīng)過側(cè)區(qū)抑制和端區(qū)選擇性作用的輪廓圖。Sll. 二值化處理用常規(guī)二值化方法對步驟SlO得到抑制易化后的輪廓圖像進(jìn)行二值化處理,得到最終的輪廓圖像。這里常規(guī)二值化方法采用的是非極大值抑制和滯后門限方法。圖4為采用本發(fā)明方法對自然圖像進(jìn)行實(shí)際檢測的輪廓圖及與標(biāo)準(zhǔn)輪廓圖、采用兩背景技術(shù)中的兩種方法檢測的輪廓圖的效果對比圖組。其中4a.原始圖像,4b.標(biāo)準(zhǔn)輪廓圖像,4c.采用各向異性抑制技術(shù)所得輪廓圖像,4d.采用各向同性抑制技術(shù)所得輪廓圖像,4e.采用本發(fā)明方法檢測所得輪廓圖像。從圖中可以清楚看出,采用本發(fā)明方法提取自然圖像輪廓時(shí),盡可能地保留輪廓線的完整性的同時(shí)、最大程度地壓制背景紋理(草地)干擾,其主觀效果好于其他兩種算法。本實(shí)施中的方法與各向異性抑制方法和各向同性抑制方法的定量比較各向異性抑制方法和各向同性抑制方法采用Gabor濾波器的尺度參數(shù)為1. 6,得到輪廓圖像的性能評估指標(biāo)P值分別為0. 2608.、0. 34707 ;本實(shí)施中的方法采用Gabor濾波器的尺度參數(shù)為
1.6,得到輪廓圖像的性能評估指標(biāo)P值為0. 5031。性能評估指標(biāo)P值越大表明突出輪廓、 壓制背景的總體效果越好。本發(fā)明設(shè)計(jì)了的物體輪廓檢測方法,綜合利用兩種背景技術(shù)的優(yōu)點(diǎn),有效的提高了從復(fù)雜場景中檢測目標(biāo)輪廓的能力。本發(fā)明檢測方法具有可隨外界輸入信息(對比度、 朝向)變化而即時(shí)地調(diào)節(jié)其視覺系統(tǒng)的自適應(yīng)能力強(qiáng),可有效提高輪廓檢測系統(tǒng)從復(fù)雜場景中迅速、準(zhǔn)確地提取出目標(biāo)輪廓的能力、效果和輪廓的清晰度等特點(diǎn)。本發(fā)明的方法可應(yīng)用于計(jì)算機(jī)視覺中的目標(biāo)物體檢測和識(shí)別等。 本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到,這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理,應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各種具體變形和組合,這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種目標(biāo)物體輪廓檢測方法,其特征在于,包括如下步驟51.濾波處理利用Gabor濾波器組或logGabor濾波器組對目標(biāo)圖像進(jìn)行濾波處理, 即利用N個(gè)不同方向下的Gabor濾波器或log Gabor濾波器對圖像進(jìn)行濾波處理,得到N 個(gè)不同朝向下的朝向信息分布圖;52.確定最優(yōu)朝向圖和最大能量圖比較不同朝向信息分布圖中對應(yīng)位置的像素值的大小,取各像素點(diǎn)的最大值作為輸出,得到最大能量圖;同時(shí)各像素點(diǎn)取最大值時(shí)對應(yīng)的朝向?yàn)樵擖c(diǎn)的最優(yōu)朝向,將各像素點(diǎn)的最優(yōu)朝向作為輸出,得到最優(yōu)朝向圖;53.計(jì)算對比度圖對于目標(biāo)圖像依次計(jì)算以每個(gè)像素為中心的鄰域內(nèi)的像素值的標(biāo)準(zhǔn)差,將這個(gè)標(biāo)準(zhǔn)差作為該像素的對比度值,得到對比度圖;54.計(jì)算判定圖對于對比度圖取以每個(gè)像素為中心的一個(gè)M*M的鄰域,利用該鄰域內(nèi)的像素的平均值乘以門限因子α = (ρ_ιΛΜ-1)得到一個(gè)門限Τ,這里ρ的范圍為O <Ρ^0. 5,然后再比較該像素值和該門限T的大小,大于該門限的則認(rèn)為該像素點(diǎn)的端區(qū)作用為易化,即加強(qiáng),值為1,反之則該像素點(diǎn)的端區(qū)作用為抑制,即減弱,值為-1,得到用于判定端區(qū)作用值為1或-1的判定圖;55.計(jì)算不同朝向下的能量圖從步驟S2計(jì)算得到的最大能量圖中依次提取最優(yōu)朝向?yàn)榈谝粋€(gè)朝向,第二個(gè)朝向到第N個(gè)朝向的點(diǎn),得到N個(gè)不同朝向下的能量圖,在這N個(gè)圖像中,僅最優(yōu)朝向?yàn)閷?yīng)的方向的像素點(diǎn)有值,值為最大能量;56.計(jì)算側(cè)區(qū)作用用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器,得到不同方向下的非經(jīng)典感受野蝶型側(cè)區(qū)模板,利用蝶型側(cè)區(qū)模板對步驟S5得到的N個(gè)不同朝向下的能量圖進(jìn)行濾波處理,得到N個(gè)不同朝向下的側(cè)區(qū)作用圖,同時(shí)依次計(jì)算最優(yōu)朝向圖和每個(gè)朝向的朝向差權(quán)重,N個(gè)不同朝向下的側(cè)區(qū)作用圖與對應(yīng)的朝向差權(quán)重相乘得到N個(gè)不同朝向下的側(cè)區(qū)恒定作用圖,然后把N個(gè)不同朝向下的側(cè)區(qū)恒定作用圖相加,得到側(cè)區(qū)恒定作用圖;57.計(jì)算端區(qū)作用用非負(fù)二維高斯差函數(shù)構(gòu)建非經(jīng)典感受野濾波器,得到不同方向下的非經(jīng)典感受野蝶型端區(qū)模板,利用蝶型端區(qū)模板對步驟S5得到的N個(gè)不同朝向下的能量圖進(jìn)行濾波處理,得到N個(gè)不同朝向下的端區(qū)作用圖,再將N個(gè)不同朝向下的端區(qū)作用圖結(jié)果相加,得到端區(qū)作用圖;58.計(jì)算端區(qū)選擇性作用權(quán)重側(cè)區(qū)恒定作用圖除以側(cè)區(qū)恒定作用圖與端區(qū)作用圖之和得到一比值,用1減去該比值,得到端區(qū)選擇性作用權(quán)重;59.計(jì)算端區(qū)選擇性作用將步驟S4得到的判定圖與步驟S8得到的端區(qū)選擇性作用權(quán)重相乘得到端區(qū)選擇性作用結(jié)果圖;510.計(jì)算側(cè)區(qū)抑制端區(qū)選擇性作用后的結(jié)果圖用步驟S2得到的最大能量圖減去步驟S6得到的側(cè)區(qū)恒定作用圖,加上步驟S9得到的端區(qū)選擇性作用結(jié)果圖,得到經(jīng)過側(cè)區(qū)抑制和端區(qū)選擇性作用的輪廓圖;511.二值化處理對步驟SlO得到的輪廓圖,進(jìn)行二值化處理,得到最終的輪廓圖像。
2.根據(jù)權(quán)利要求1所述的目標(biāo)物體輪廓檢測方法,其特征在于,步驟S8還包括對端區(qū)選擇性作用權(quán)重通過sigmoid非線性函數(shù)進(jìn)行調(diào)節(jié)。
3.根據(jù)權(quán)利要求1所述的目標(biāo)物體輪廓檢測方法,其特征在于,步驟Sll所述的二值化處理采用的是非極大值抑制和滯后門限方法。全文摘要
本發(fā)明屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域,公開了一種目標(biāo)物體輪廓檢測的方法。本發(fā)明將非經(jīng)典感受野分為端區(qū)和側(cè)區(qū),在側(cè)區(qū)進(jìn)行恒定抑制,在端區(qū)利用對比度的影響進(jìn)行選擇性作用,同時(shí)在計(jì)算選擇性作用時(shí)采用一種自適應(yīng)的方法,根據(jù)每個(gè)像素一定鄰域內(nèi)的對比度值來設(shè)置門限判定該像素應(yīng)進(jìn)行抑制還是易化,另一方面根據(jù)非經(jīng)典感受野濾波器側(cè)區(qū)對中心位置處像素的抑制作用以壓制紋理及其它局部特征相似的背景信息、進(jìn)而突出輪廓信息,同時(shí)根據(jù)非經(jīng)典感受野濾波器側(cè)區(qū)作用來調(diào)制端區(qū)作用的大小,以盡可能地保留輪廓線的完整性的同時(shí)、最大程度地抑制背景干擾。本發(fā)明的方法可應(yīng)用于計(jì)算機(jī)視覺中的目標(biāo)物體檢測和識(shí)別等。
文檔編號G06T5/00GK102254304SQ20111016377
公開日2011年11月23日 申請日期2011年6月17日 優(yōu)先權(quán)日2011年6月17日
發(fā)明者李朝義, 李永杰, 楊開富, 王曉靜 申請人:電子科技大學(xué)