一种复杂场景的物体轮廓检测方法.pdf

(19)中华人民共和国国家知识产权局*CN102034105A*(12)发明专利申请(10)申请公布号CN102034105A(43)申请公布日2011.04.27(21)申请号201010592217.8(22)申请日2010.12.16(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.G06K9/46(2006.01)G06K9/38(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种复杂场景的物体轮廓检测方法(57)摘要本发明公开了一种复杂场景的物体轮廓检测方法。本发明采用一组不同朝向的Gabor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，并根据各个朝向下的朝向信息分布图像计算各个像素的朝向显著性系数，并将输入图像划分为朝向显著区域和非朝向显著区域，不同特征的纹理条件下使用不同的抑制方式，对于朝向显著的区域，采用各向异性抑制方法来抑制背景信息，对于非朝向显著的区域，采用各向同性抑制处理来抑制背景信息。最终得到抑制后的轮廓图像，经二值化处理即得到目标轮廓图像。本发明的检测方法具有根据外界输入的局部朝向信息来选择使用不同的抑制处理方式，可有效提高从复杂场景中迅速、准确地提取出物体轮廓的能力。CN102345ACCNN110203410502034108A权利要求书1/2页1.一种复杂场景的物体轮廓检测方法，包括如下步骤：S1.Gabor滤波处理：利用Gabor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Gabor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；S2.确定输入图像的朝向显著区域和非朝向显著区域：计算步骤S1中得到的各朝向下的朝向信息分布图像中的同一位置处像素点的最大值与均值的比值，再对得到的各像素点处的最大值与均值的比值进行归一化处理，从而得到各个像素点的朝向显著性系数；再给定一个预先设置的阈值，将各个像素点的朝向显著性系数与之进行比较，朝向显著性系数大于给定阈值的像素归入输入图像的朝向显著区域，朝向显著性系数小于或等于给定阈值的像素归入输入图像的非朝向显著区域；S3.制取各向异性抑制方法处理的轮廓信息分布图像和各向同性抑制方法处理的轮廓信息分布图像：制取各向异性抑制方法处理的轮廓信息分布图像，利用二维高斯差函数构建的非经典感受野滤波器，依次对步骤S1中得到的各朝向下的朝向信息分布图像的朝向显著区域进行滤波处理，得到各朝向下非经典感受野对中心点的抑制量，再用各朝向下的朝向信息分布图像减去对应朝向下的抑制量，得到各个朝向下抑制后的图像，再从相同位置像素的灰度值中选取其最大值作为该像素点的灰度值，得到各向异性抑制方法处理的轮廓信息分布图像；制取各向同性抑制方法处理的轮廓信息分布图像，对步骤S1中得到的各朝向下的朝向信息分布图像非朝向显著区域中的每一个位于同一位置处的像素点的灰度值进行比较，用其最大值作为对应像素点的灰度值，从而得到最大朝向信息分布图像；然后再利用二维高斯差函数构建的非经典感受野滤波器对其进行滤波处理，得到非经典感受野对各像素点的抑制量；用最大朝向信息分布图中各像素灰度值减去对应位置处的抑制量，得到各向同性抑制方法处理的轮廓信息分布图像；S4.制取抑制后的轮廓图像：对于朝向显著区域中的像素点，选择步骤S3得到的各向异性抑制方法处理的轮廓信息分布图像中对应位置处的灰度值作为对应像素点的灰度值，对于非朝向显著区域中的像素点，选择步骤S3得到的各向同性抑制方法处理的轮廓信息分布图像中对应位置处的灰度值作为对应像素点的灰度值，进而得到抑制后的轮廓图像；S5.二值化处理：用常规二值化方法对步骤S4得到抑制后的轮廓图像，进行二值化处理，从而得到最终的轮廓图像。2.根据权利要求1所述的复杂场景的物体轮廓检测方法，其特征在于，步骤S1中所述的尺度参数值的取值范围为1～5。3.根据权利要求1所述的复杂场景的物体轮廓检测方法，其特征在于，步骤S1中所述的Gabor滤波器组的不同朝向滤波器的个数为12～18个，且Gabor滤波器组的朝向在180度内等弧度分布。4.根据权利要求1至3所述的任一复杂场景的物体轮廓检测方法，其特征在于，步骤S2中所述用阈值的取值范围为0～1。5.根据权利要求4所述的复杂场景的物体轮廓检测方法，其特征在于，步骤S3中所述2CCNN110203410502034108A权利要求书2/2页的二维高斯差函数构建的非经典感受野滤波器的圆环的内径与步骤S1中所述的