一种基于多特征的目标物体轮廓检测方法.pdf

(19)中华人民共和国国家知识产权局*CN102201120A*(12)发明专利申请(10)申请公布号CN102201120A(43)申请公布日2011.09.28(21)申请号201110163398.7(22)申请日2011.06.17(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人李永杰杨开富李朝义(74)专利代理机构电子科技大学专利中心51203代理人周永宏(51)Int.Cl.G06T7/00(2006.01)G06K9/46(2006.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于多特征的目标物体轮廓检测方法(57)摘要本发明属于计算机视觉技术领域，公开了一种基于多特征的目标物体轮廓检测方法。包括：滤波处理；提取图像的局部特征；计算各个特征下的抑制权重；制取抑制后的轮廓图像；二值化处理。本发明采用一组不同朝向的滤波器对输入图像进行滤波处理，得到各个朝向下的朝向信息分布图像；再分别提取图像的局部朝向，亮度和对比度特征，在每个特征下分别计算非经典感受野对中心像素点的抑制权重，最后合并各个特征下的抑制权重得到最终的抑制权重。根据每个像素点的抑制权重来调节对应非经典感受野区域内像素对其的抑制强度，得到抑制后的轮廓图像。本发明的方法具有综合输入图像的多种特征信息，有效提高了从复杂场景中迅速、完整地提取出物体轮廓的能力。CN102ACCNN110220112002201126A权利要求书1/1页1.一种基于多特征的目标物体轮廓检测方法，其特征在于，包括如下步骤：S1.滤波处理：利用Gabor滤波器组或logGabor滤波器组，对输入图像中各像素点依次在对应朝向进行滤波处理，得到一组滤波处理后的灰度图像，即在给定滤波器的一个尺度参数值的条件下，采用一组不同朝向的滤波器，依次用每一个朝向的滤波器对输入图像中的各像素点进行滤波处理，得到一组不同朝向下的朝向信息分布图像，比较各朝向下的朝向信息分布图像中每一个位于同一位置处的像素点的灰度值，用其最大值作为对应像素点的灰度值，其所对应的滤波器的朝向作为该像素点的最优朝向，从而得到最大朝向信息分布图像和最优朝向图；S2.提取图像的局部特征：用步骤S1得到的最优朝向图作为局部朝向特征图像，分别计算输入图像的局部均值和局部标准差作为图像的局部亮度和局部对比度特征，即对于每一个像素点，分别计算其邻域范围内像素点的均值和标准差作为该像素点的亮度和对比度特征，获得亮度和对比度特征图像；S3.计算各个特征下的抑制权重：对各特征图像的每个像素点，首先用非负二维高斯差函数确定每个像素点对应的非经典感受野区域，然后计算非经典感受野区域内每个像素点对中心像素点的抑制权重，得到每个像素点在朝向特征、亮度特征和对比度特征下非经典感受野区域像素对对应像素点的抑制权重，再合并在各个特征下的抑制权重作为该像素点的最终的抑制权重；S4.制取抑制后的轮廓图像：用非负二维高斯差函数构建非经典感受野滤波器，对步骤S1得到的最大朝向信息分布图像进行滤波处理，得到非经典感受野对中心的各向同性抑制量，再用最大朝向信息分布图像减去步骤S3得到的抑制权重与各向同性抑制量相乘的结果，得到抑制后的轮廓图像；S5.二值化处理：对步骤S4得到抑制后的轮廓图像进行二值化处理，得到最终的轮廓图像。2.根据权利要求1所述的基于多特征的目标物体轮廓检测方法，其特征在于，步骤S1所述的Gabor滤波器组为尺度参数值为2.0、在180°范围内取12个朝向，其朝向参数分别为iπ/12，(i＝0，1，…，11)的一组12个不同朝向的Gabor滤波器。3.根据权利要求1所述的基于多特征的目标物体轮廓检测方法，其特征在于，步骤S5所述的二值化处理采用的是非极大值抑制和滞后门限处理方法。2CCNN110220112002201126A说明书1/4页一种基于多特征的目标物体轮廓检测方法技术领域[0001]本发明属于计算机视觉技术领域，特别涉及一种物体轮廓的检测方法。背景技术[0002]传统的边缘检测方法无法区分纹理边缘和目标轮廓，而目标的轮廓检测对目标识别等计算机视觉应用具有重要意义。人类视觉系统能够轻易应对复杂自然环境，并高效地完成各种复杂视觉任务，模拟视觉信息处理的基本过程，并在此基础上进行建模，为研究计算机视觉和人工智能提供新的思路。到目前为止，比较有代表性的基于视觉机制的轮廓检测方法为非经典感受野抑制轮廓检测方法，具体可参见文献：GrigorescuC，PetkovN，WestenbergM，Contourdetectionbasedonnonclassicalreceptivefieldinhibition，IEEETransactionsonImageProcessing，vol.12，n