仿生物平滑跟蹤眼動信息處理機(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平滑跟蹤眼動信息處理機(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，并用各變換DoG模板分別對Gabor能量圖進(jìn)行濾波；根據(jù)上述濾波結(jié)果圖生成抑制最大值圖；對抑制最大值圖進(jìn)行修正，得到修正抑制最大值圖；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最大值圖中對應(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，并作后續(xù)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】
仿生物平滑跟蹤眼動信息處理機(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平滑跟蹤眼動信息處理機(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；而平滑跟蹤眼動是指眼睛慢慢 地跟隨視覺目標(biāo)移動，以避免引起目標(biāo)的視網(wǎng)膜像模糊；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，忽視了人眼的平滑跟蹤眼動效應(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平滑跟蹤眼動信息處理機(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，仿生物平滑跟蹤眼動信息處理機(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模板上以中心區(qū)為基點(diǎn)向四周輻射，預(yù)設(shè)與各Gabor濾波方向參數(shù) 相對應(yīng)的方向劃分，每個方向預(yù)設(shè)一個圓形的待置零區(qū)域且圓心位于該方向劃分上，各待 置零區(qū)域在初始DoG模板的中心區(qū)以外，且各待置零區(qū)域距離初始DoG模板的中心的距離 相同，依次對各待置零區(qū)域內(nèi)的全部像素點(diǎn)值進(jìn)行置零，每次置零生成一個變換DoG模板， 且每次置零均以初始DoG模板為基礎(chǔ)；
[0010] E、用各變換DoG模板對各Gabor能量圖進(jìn)行濾波，得到各個方向的變換濾波結(jié)果 圖，其方向與其對應(yīng)的Gabor能量圖的方向相同；
[0011] F、對于同一方向的變換濾波結(jié)果值圖，選取其中各像素點(diǎn)的濾波結(jié)果值的最大 值，作為該像素點(diǎn)在該方向的抑制最大值，生成該方向的抑制最大值圖，變換方向重復(fù)上述 操作，得到各方向的抑制最大值圖，對各方向的抑制最大值圖進(jìn)行修正，得到各方向的修正 抑制最大值圖；
[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 制最大值圖中對應(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，所述的步驟E中，用變換DoG模板對各Gabor能量圖進(jìn)行濾波還包括：使 用各個變換DoG模板對各個Gabor能量圖依次進(jìn)行濾波，得到各個方向的的變換濾波結(jié)果 圖。
[0015] 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：
[0016]
[0017] 其中= + .η'//成.Γ = -λ)'//沿+ .rmv沒，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，穸是相角參數(shù)，Θ為Gabor濾波的方向參數(shù)；
[0018] Gabor能量圖計(jì)算模型如下：
[0019]
[0020]____________________
[0021] I為待檢測圖像，*為卷積運(yùn)算符。
[0022] 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：
[0023]
[0024] DoG模板對應(yīng)的距離權(quán)重模板表達(dá)式如下：
[0025]
〔4)·'
[0026] 其中
（5:); | 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lx，y | x2+ (y_d)2彡R2} (6);
[0029] X = d*cos a，y = d*sin α (12)；
[0030] 其中d是離中心區(qū)的距離，R是待置零區(qū)域的半徑，α為偏移角度。
[0031] 優(yōu)選地，所述的步驟Ε中，用變換DoG模板對各Gabor能量圖進(jìn)行濾波還包括：使 用各個變換DoG模板對各個Gabor能量圖依次進(jìn)行濾波，得到各個方向的的變換濾波結(jié)果 圖；
[0032] 對應(yīng)公式如下：
[0033] Ii, Θ (x, y) = Ελι 〇1 e (x, y)*wd i(x, y, σ ) (7)；
[0034] 其中I、e (x, y)為Θ方向的第i個變換濾波結(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，ω d, i (X，y，〇 )是指第i個變換DoG模板。
[0035] 優(yōu)選地，所述步驟F中抑制最大值由以下公式得到：
[0036]
[0037] 其中? ?(λ·, J)為像素點(diǎn)（X，y) Θ方向的抑制最大值，e (X，y)為Θ方向的第i個 變換濾波結(jié)果圖中像素點(diǎn)（x，y)的濾波結(jié)果值，Mi表示有變換DoG模板的個數(shù)；
[0038] 所述步驟F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)。
[0039] 優(yōu)選地，所述步驟G對應(yīng)的數(shù)學(xué)模型如下：
[0040]
[0041] 其中be (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 制最大值；
[0042] 其中Η函數(shù)為：
[0043]
[0044] 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。
[0045] 優(yōu)選地，所述步驟F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)。
[0046] 優(yōu)選地，所述步驟D中待置零區(qū)域的半徑為4-6。
[0047] 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平滑跟蹤眼動相 結(jié)合，采用變換的DoG模板對人眼的平滑跟蹤眼動進(jìn)行仿真模擬，提高了經(jīng)典感受野模型 的仿真度；平滑跟蹤眼動對關(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】
[0048] 圖1為本發(fā)明仿生物平滑跟蹤眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法的流程圖
[0049] 圖2為本發(fā)明實(shí)施例lDoG模板變換區(qū)域示意圖
[0050] 圖3為本發(fā)明實(shí)施例1進(jìn)行輪廓檢測的圖像1 [0051 ] 圖4為圖像1的標(biāo)準(zhǔn)輪廓圖
[0052] 圖5為圖像1經(jīng)文獻(xiàn)1檢測方法得到的輪廓圖
[0053] 圖6為圖像1經(jīng)實(shí)施例1檢測方法得到的輪廓圖
[0054] 圖7為本發(fā)明實(shí)施例1進(jìn)行輪廓檢測的圖像2
[0055] 圖8為圖像2的標(biāo)準(zhǔn)輪廓圖
[0056] 圖9為圖像2經(jīng)文獻(xiàn)1檢測方法得到的輪廓圖
[0057] 圖10為圖像2經(jīng)實(shí)施例1檢測方法得到的輪廓圖
[0058] 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】
[0059] 下面結(jié)合附圖和實(shí)施例具體說明本發(fā)明。
[0060] 實(shí)施例1
[0061] 如圖1所示，本實(shí)施例仿生物平滑跟蹤眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法包 括以下步驟：
[0062] A、輸入經(jīng)灰度處理的待檢測圖像；
[0063] 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；
[0064] 所述步驟B中Gabor濾波器組的二維Gabor函數(shù)表達(dá)式如下：
[0065]
[0066] 其中 Y =兄仍沒 + 久 v = -.v.s·//?汐 + 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，σ/ λ為空間頻率的帶寬，穸是相角參數(shù)，Θ為Gabor濾波的方向參數(shù)；
[0067] Gabor能量圖計(jì)算模型如下：
[0068]
[0069]
[0070] I為待檢測圖像，*為卷積運(yùn)算符；
[0071] 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；
[0072] 所述步驟C中初始DoG模板對應(yīng)的表達(dá)式如下：
[0073]
[0074] DoG模板對應(yīng)的距離權(quán)重模板表達(dá)式如下：
[0075]
^5：);
[0076] 其中
（6)，| 卜 | |!為一階（L 3 范數(shù)；
[0077] D、在初始DoG模板上以中心區(qū)為基點(diǎn)向四周輻射，預(yù)設(shè)與各Gabor濾波方向參數(shù) 相對應(yīng)的方向劃分，每個方向預(yù)設(shè)一個圓形的待置零區(qū)域且圓心位于該方向劃分上，各待 置零區(qū)域在初始DoG模板的中心區(qū)以外，且各待置零區(qū)域距離初始DoG模板的中心的距離 相同，依次對各待置零區(qū)域內(nèi)的全部像素點(diǎn)值進(jìn)行置零，每次置零生成一個變換DoG模板， 且每次置零均以初始DoG模板為基礎(chǔ)；
[0078] 所述步驟D中待置零區(qū)域?qū)?yīng)的數(shù)學(xué)模型如下：
[0079] 待置零區(qū)域用集合表示為lx，y | x2+ (y-d)2彡R2} (7);
[0080] X = d*cos a，y = d*sin a (8)；
[0081] 其中d是離中心區(qū)的距離，R是待置零區(qū)域的半徑，α為偏移角度；
[0082] Ε、用各變換DoG模板對各Gabor能量圖進(jìn)行濾波，得到各個方向的變換濾波結(jié)果 圖，其方向與其對應(yīng)的Gabor能量圖的方向相同；
[0083] 對應(yīng)公式如下：
[0084] Ii, Θ (x, y) = Ελι 〇i e (x, y)*wd i(x, y, σ ) (9)；
[0085] 其中k e (x, y)為Θ方向的第i個變換濾波結(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，ω d, i (X，y，〇 )是指第i個變換DoG模板；
[0086] F、對于同一方向的變換濾波結(jié)果值圖，選取其中各像素點(diǎn)的濾波結(jié)果值的最大 值，作為該像素點(diǎn)在該方向的抑制最大值，生成該方向的抑制最大值圖，變換方向重復(fù)上述 操作，得到各方向的抑制最大值圖，對各方向的抑制最大值圖進(jìn)行修正，得到各方向的修正 抑制最大值圖；
[0087] 所述步驟F中抑制最大值由以下公式得到：
[0088]
[0089] 其中為像素點(diǎn)（X，y) Θ方向的抑制最大值，I、e (X，y)為Θ方向的第i個 變換濾波結(jié)果圖中像素點(diǎn)（x，y)的濾波結(jié)果值，Mi表示有變換DoG模板的個數(shù)；
[0090] 所述步驟F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)；
[0091 ] 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 制最大值圖中對應(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；
[0092] 所述步驟G對應(yīng)的數(shù)學(xué)模型如下：
[0093]
[0094] 其中be (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)，i?(.v，j)為像素點(diǎn)（x，y) Θ方向的抑 制最大值；
[0095] 其中Η函數(shù)為：
[0096]
[0097] 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。
[0098] 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：
[0099] Canny, J. , A Computational Approach To Edge Detection,IEEE Trans. Pattern Analysis and M achine Intelligence，8 (6) :679 - 698, 1986.0
[0100] 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)域的半徑為4,離中心的距離為20。
[0101] 即：
[0102] 步驟Α中輸入經(jīng)灰度處理的待檢測圖像；
[0103] 步驟B中預(yù)設(shè)8個方向的Gabor濾波器組，得到每個像素點(diǎn)8個方向的Gabor能 量值，進(jìn)而得到8個方向的Gabor能量圖；
[0104] 步驟C中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；
[0105] 步驟D中預(yù)設(shè)8個方向劃分，即8個方向的待置零區(qū)域，每個方向的待置零區(qū)域離 中心的距離為20,半徑為4,從而得到8個變換DoG模板；
[0106] 步驟E中用8個變換DoG模板分別對8個方向的Gabor能量圖進(jìn)行濾波，得到8 個方向的變換濾波結(jié)果圖，每個方向的變換濾波結(jié)果圖有8個；
[0107] F、對于同一方向的變換濾波結(jié)果值圖，選取其中各像素點(diǎn)的濾波結(jié)果值的最大 值，作為該像素點(diǎn)在該方向的抑制最大值，生成該方向的抑制最大值圖，變換方向重復(fù)上述 操作，得到各方向的抑制最大值圖，對各方向的抑制最大值圖進(jìn)行修正，得到各方向的修正 抑制最大值圖
[0108] 步驟F中對于同一方向的8個變換濾波結(jié)果值圖，選取其中各像素點(diǎn)的濾波結(jié)果 值的最大值，作為該像素點(diǎn)在該方向的抑制最大值，生成該方向的抑制最大值圖，變換方向 重復(fù)上述操作，得到8個方向的抑制最大值圖，對8個方向的抑制最大值圖進(jìn)行修正，得到 8個方向的修正抑制最大值圖；
[0109] 步驟G中將8個方向Gabor能量圖中各像素點(diǎn)的Gabor能量值減去方向與其相同 的修正抑制最大值圖中對應(yīng)的像素點(diǎn)的濾波結(jié)果值，作為該像素點(diǎn)該方向的輪廓值，進(jìn)而 得到各像素點(diǎn)8個方向的初始輪廓值；
[0110] 步驟Η中選取各像素點(diǎn)8個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。
[0111] 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；
[0112] 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 ;
[0113] 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：
[0114]
[0115] 上述檢測結(jié)果P采用以下評測公式：
[0116]
[0117] 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CFN 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. 仿生物平滑跟蹤眼動信息處理機(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W中屯嘔為基點(diǎn)向四周福射，預(yù)設(shè)與各Gabor濾波方向參數(shù)相對 應(yīng)的方向劃分，每個方向預(yù)設(shè)一個圓形的待置零區(qū)域且圓屯、位于該方向劃分上，各待置零 區(qū)域在初始DoG模板的中屯、區(qū)W外，且各待置零區(qū)域距離初始DoG模板的中屯、的距離相同， 依次對各待置零區(qū)域內(nèi)的全部像素點(diǎn)值進(jìn)行置零，每次置零生成一個變換DoG模板，且每 次置零均W初始DoG模板為基礎(chǔ)； E、 用各變換DoG模板對各Gabor能量圖進(jìn)行濾波，得到各個方向的變換濾波結(jié)果圖，其 方向與其對應(yīng)的Gabor能量圖的方向相同； F、 對于同一方向的變換濾波結(jié)果值圖，選取其中各像素點(diǎn)的濾波結(jié)果值的最大值，作 為該像素點(diǎn)在該方向的抑制最大值，生成該方向的抑制最大值圖，變換方向重復(fù)上述操作， 得到各方向的抑制最大值圖，對各方向的抑制最大值圖進(jìn)行修正，得到各方向的修正抑制 最大值圖； 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最 大值圖中對應(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所述的仿生物平滑跟蹤眼動信息處理機(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：'Cl); 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)A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，是相角參數(shù)，0為G油or濾波的方向參數(shù)； G油or能量圖計(jì)算模型如下：a)； ); I為待檢測圖像，*為卷積運(yùn)算符。3. 如權(quán)利要求1所述的仿生物平滑跟蹤眼動信息處理機(jī)制的目標(biāo)輪廓檢測方法，其特 (4)：, 1為一階化1)范數(shù)。 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. 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lx，y|x2+(y-d)2《R2}(7); X = d*cos a , y = d*sin a (8)； 其中d是離中屯、區(qū)的距離，R是待置零區(qū)域的半徑，a為偏移角度。5. 如權(quán)利要求1所述的仿生物平滑跟蹤眼動信息處理機(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Gabor能量圖進(jìn)行濾波還包括：使用各個變換 DoG模板對各個Gabor能量圖依次進(jìn)行濾波，得到各個方向的的變換濾波結(jié)果圖； 對應(yīng)公式如下： e (X，y) = E、。，e (X，y)*?d,i(x，y，0 ) (9)； 其中Ii,e(x，y)為0方向的第i個變換濾波結(jié)果圖中像素點(diǎn)（x，y)的濾波結(jié)果值， E、",e (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, 1 (X，y，0 )是指第i個變換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中抑制最大值由W下公式得到：(10); 其中iu(.v,.v)為像素點(diǎn)（x，y) 0方向的抑制最大值，Ii_e(x，y)為0方向的第i個變換 濾波結(jié)果圖中像素點(diǎn)（x，y)的濾波結(jié)果值，Mi表示有變換DoG模板的個數(shù)； 所述步驟F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)。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：川\ 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)〇^，7)的〇曰13〇1'能量值，3為修正參數(shù)，1,,'(.1\^)為像素點(diǎn)〇[，7)0方向的抑制最 大值； 其中H函數(shù)為： (12)。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)域的半徑為4-6。
【文檔編號】G06T7/00GK106033608SQ201510442062
【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)