一种复杂场景中目标轮廓提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106156779A(43)申请公布日2016.11.23(21)申请号201610473818.4(22)申请日2016.06.24(71)申请人清华大学深圳研究生院地址518055广东省深圳市南山区西丽大学城清华校区(72)发明人马建设任晓强苏萍刘彤(74)专利代理机构深圳新创友知识产权代理有限公司44223代理人王震宇(51)Int.Cl.G06K9/46(2006.01)权利要求书1页说明书6页附图2页(54)发明名称一种复杂场景中目标轮廓提取方法(57)摘要一种复杂场景中目标轮廓提取方法，包含以下步骤：S1.对原始图片进行Gabor滤波；S2.根据S1滤波结果求取最大Gabor能量图和最优方向图；S3.根据S2中最大Gabor能量图和最优方向图，计算非经典感受野侧区抑制量；S4.根据S2中最大Gabor能量图和最优方向图，计算非经典感受野端区易化量；S5.根据S2中最大Gabor能量图和最优方向图，计算非经典感受野端区抑制量；S6.根据S2中最大Gabor能量图、最优方向图和S3中侧区抑制量，计算端区易化/抑制权重；S7.根据S2～S6所得结果，计算施加侧区抑制、端区易化、端区抑制三者之后的轮廓图像；S8.对S7中所得图像进行二值化处理，得到最终轮廓提取结果。本方法对复杂场景适应性强，很好地保留有效轮廓并滤除背景干扰。CN106156779ACN106156779A权利要求书1/1页1.一种复杂场景中目标轮廓提取方法，其特征在于，包含以下步骤：S1.对原始图片进行Gabor滤波；S2.根据步骤S1滤波结果求取最大Gabor能量图和最优方向图；S3.根据步骤S2中最大Gabor能量图和最优方向图，计算非经典感受野侧区抑制量；S4.根据步骤S2中最大Gabor能量图和最优方向图，计算非经典感受野端区易化量；S5.根据步骤S2中最大Gabor能量图和最优方向图，计算非经典感受野端区抑制量；S6.根据步骤S2中最大Gabor能量图、最优方向图和步骤S3中侧区抑制量，计算端区易化/抑制权重；S7.根据步骤S2～S6所得结果，计算施加侧区抑制、端区易化、端区抑制三者之后的轮廓图像；S8.对步骤S7中所得图像进行二值化处理，得到最终轮廓提取结果。2.根据权利要求1所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S1中，构造一组不同方向的Gabor滤波器，并用该组滤波器处理原始图像，处理方式为滤波器与原始图像的卷积，由此得到一组不同方向的检测结果。3.根据权利要求2所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S2中，选取各个位置像素点在不同方向上的检测最大值，各位置最大值对应的方向为最优方向，由此得到最大Gabor能量图和最优方向图。4.根据权利要求1所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S3中，来自两个侧区的总抑制量为两侧区抑制量之和减去二者之差的绝对值。5.根据权利要求4所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S3中，用二维非负高斯差函数定义非经典感受野环形区域，两侧区位于中心经典感受野方向的垂线上，两侧区抑制量为侧区滤波核与最大Gabor能量图的卷积，其中侧区滤波核为定义在该区域中的非负高斯差函数。6.根据权利要求1至5任一项所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S4中，总的端区易化量为两端区易化量之积的开方。7.根据权利要求1至5任一项所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S4中，每个端区中某一位置的易化量为该位置滤波核易化强度向量与图像对应位置灰度值向量的点积，每个端区的易化量为该端区内所有位置易化量之和。8.根据权利要求1至5任一项所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S5中，总的端区抑制量为两端区抑制量之和。9.根据权利要求1至5任一项所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S6中，综合考虑大尺度Gabor最大能量图和小尺度侧区抑制量来自适应调节端区易化或抑制效应的强度，确定计算端区易化/抑制权重，其中大尺度定义为小尺度的预定倍数。10.根据权利要求1至9任一项所述的复杂场景中目标轮廓提取方法，其特征在于，步骤S8中，所述二值化处理包括非极大抑制和滞后阈值法两个处理步骤。2CN106156779A说明书1/6页一种复杂场景中目标轮廓提取方法技术领域[0001]本发明涉及计算机视觉技术领域，特别涉及一种复杂环境中目标轮廓提取方法。背景技术[0002]轮廓提取是计算机视觉领域的一个重要内容，对于目标检测、目标识别等问题的解决有重要意义。复杂环境中的目标轮廓提取有两大要求：1)提取有效边界；2)滤除背景干扰。传统的轮廓提取方法，如Robert算子、Canny算子等，由于无法