基于視覺(jué)生理機(jī)制的多尺度抑制與上下文調(diào)制的輪廓檢測(cè)研究.pdf

1、計(jì)算機(jī)視覺(jué)中，從復(fù)雜場(chǎng)景中檢測(cè)目標(biāo)輪廓是一項(xiàng)重要而又面對(duì)挑戰(zhàn)的艱巨任務(wù)。近年來(lái)，研究者們提出了大量的輪廓檢測(cè)算法，但是，與人類(lèi)視覺(jué)系統(tǒng)的輪廓認(rèn)知相比，許多算法仍然無(wú)法檢測(cè)到完整與精確的目標(biāo)輪廓。在早期，Hubel與Wiesel就已經(jīng)發(fā)現(xiàn)初級(jí)視覺(jué)皮層（V1）中的神經(jīng)元對(duì)經(jīng)典感受野（CRF）中特定位置出現(xiàn)的特定方向線(xiàn)段或邊緣具有極強(qiáng)的敏感性。但是，神經(jīng)元對(duì)刺激的響應(yīng)并不僅僅受經(jīng)典感受野的影響，同時(shí)也受到了位于非經(jīng)典感受野（NCFR）區(qū)域內(nèi)的

2、神經(jīng)元的相互作用影響。已有的研究表明，非經(jīng)典感受野的神經(jīng)元作用既包含了抑制，也包含了興奮，這兩種相互作用對(duì)有效消除目標(biāo)背景或噪聲具有關(guān)鍵作用。
　　基于初級(jí)視覺(jué)皮層（V1）的感知機(jī)制，并結(jié)合神經(jīng)元對(duì)不同頻率的響應(yīng)特性，本文提出一種結(jié)合多尺度抑制與上下文調(diào)制的輪廓檢測(cè)算法。首先，利用多尺度、多方向的Gabor濾波器模擬初級(jí)視覺(jué)皮層中神經(jīng)元對(duì)刺激的響應(yīng)。對(duì)每個(gè)尺度內(nèi)的多方向?yàn)V波響應(yīng)，采用濾波器向量的方式提取基本輪廓。然后，對(duì)二維 DO

3、G濾波器進(jìn)行擴(kuò)展，形成具有可同時(shí)對(duì)尺度內(nèi)與尺度之間進(jìn)行非經(jīng)典感受野抑制的三維濾波器（3D DOG），將3D DOG對(duì)多個(gè)尺度的基本輪廓進(jìn)行卷積濾波，進(jìn)而提取抑制結(jié)果。將不同尺度的抑制結(jié)果與不同尺度的方向特征分別進(jìn)行整合，獲取整合輪廓與整合方向。最后，將具有興奮與抑制作用的上下文調(diào)制引入到非線(xiàn)性映射后的整合輪廓中，通過(guò)距離和方向構(gòu)造的興奮和抑制作用權(quán)，實(shí)現(xiàn)共線(xiàn)增強(qiáng)與紋理抑制，從而進(jìn)一步增強(qiáng)整合輪廓的精確性。在對(duì)自然圖像的輪廓提取定量分析實(shí)

4、驗(yàn)中，與其它經(jīng)典算法和當(dāng)前一流方法相比，本文算法可有效改進(jìn)輪廓提取的精確性與噪聲抑制。
　　本文的主要貢獻(xiàn)有：（1）將濾波器向量之和引入到方向特征的提取中，提取的方向特征對(duì)上下文調(diào)制過(guò)程更具有效性。（2）通過(guò)構(gòu)建3D DOG濾波器，以模擬對(duì)不同尺度下的神經(jīng)元之間抑制作用，相比在單個(gè)尺度內(nèi)進(jìn)行抑制作用的2D DOG相比，3D DOG可更為有效地抑制背景噪聲。（3）結(jié)合Weber-Fechner的非線(xiàn)性映射，通過(guò)可以同時(shí)實(shí)現(xiàn)共線(xiàn)增強(qiáng)和