基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法
【專利摘要】本發(fā)明公開了一種基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法，根據(jù)一種非經(jīng)典感受野復(fù)合調(diào)制模型構(gòu)建多尺度迭代注意方法，在迭代過程中動態(tài)變化非經(jīng)典感受野復(fù)合調(diào)制的尺度因子，計算出輸入的夜視圖像的復(fù)合調(diào)制結(jié)果；在每步迭代過程中，針對輸入圖像中各像素點，首先采用多維特征對比度MFC加權(quán)抑制模型計算各像素點的抑制結(jié)果，然后基于編組興奮投票GEV易化模型計算各像素點的易化結(jié)果，最終獲得非經(jīng)典感受野復(fù)合調(diào)制輸出。本發(fā)明方法解決了微光、紅外圖像中的噪聲、紋理抑制，以及由成像特性、環(huán)境抑制、噪聲干擾導(dǎo)致的輪廓間斷問題。
【專利說明】基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于夜視圖像理解領(lǐng)域，特別是一種基于視覺建模的復(fù)雜場景下夜視圖像顯著輪廓提取方法。
【背景技術(shù)】
[0002]輪廓提取在夜視圖像(微光、紅外圖像)理解分析方面發(fā)揮著重要作用。目前夜視目標(biāo)探測識別方面的應(yīng)用大部分是針對戶外場景的，因此夜視圖像中包含了大量的自然紋理(例如樹和草)。傳統(tǒng)的邊緣檢測算子的作用結(jié)果保留大量非輪廓的邊緣成分(canny算子)，如何針對微光和紅外圖像特征，去除這些由紋理場所產(chǎn)生的局部非興趣邊緣，并且保持輪廓的完整性是夜視圖像輪廓檢測主要面臨的問題。
[0003]針對復(fù)雜場景的輪廓提取問題提出了諸多解決方法，其中基于生物視覺機(jī)理的非經(jīng)典感受野模型的輪廓提取在高質(zhì)量可見光圖像中獲得了顯著效果。視皮層(Vl)神經(jīng)元感受野(CRF)的大外周(非經(jīng)典感受野nCRF)對CRF起調(diào)制作用，這種調(diào)制主要是抑制性的，能夠使得孤立的邊緣要比群體邊緣更為顯著?；趥?cè)抑制區(qū)的仿生模型，較好地去除了背景紋理產(chǎn)生的邊緣，如圖1所示。在環(huán)境抑制方面Grigorescu等人(Contour detectionbased on Nonclassical Receptive Field inhibition)利用非經(jīng)典感受野的抑制特性進(jìn)行輪廓檢測，利用環(huán)境對中心的方向抑制，減少了環(huán)境紋理的影響，并提出各向異性抑制和各向同性抑制模型；桑農(nóng)等人(基于初級視皮層抑制的輪廓檢測方法)根據(jù)非經(jīng)典感受野刺激方位與感受野刺激方位差異，對抑制作用加權(quán)，建立了基于側(cè)抑制區(qū)的蝶形模型，減小共線抑制的作用。一些生理學(xué)實驗發(fā)現(xiàn)，Vl區(qū)神經(jīng)元不但受到非經(jīng)典感受野的抑制，同時也受到非經(jīng)典感受野的易化作用。Tang等人(Extraction of salient contours fromcluttered scenes)在非經(jīng)典感受野抑制模型中,加入共線易化特性,采用曲率判別標(biāo)準(zhǔn)來確定易化作用的大小，使得輪廓點上的輸出更大。
[0004]但是上述非經(jīng)典感受野模型對夜視圖像的輪廓檢測效果不佳，如圖2所示。相對于高質(zhì)量的可見光圖像，微光圖像噪聲干擾嚴(yán)重，輪廓局部空間頻率不突出；紅外圖像輪廓模糊，局部對比度不顯著。一方面高噪聲、低對比度導(dǎo)致夜視圖像輪廓提取不準(zhǔn)確、背景紋理無法抑制。另一方面抑制作用削弱輪廓強(qiáng)度，輪廓受到周邊背景紋理的抑制，容易出現(xiàn)斷裂，影響后續(xù)的目標(biāo)識別。

【發(fā)明內(nèi)容】

[0005]為解決夜視圖像環(huán)境抑制不準(zhǔn)確的問題，本發(fā)明在nCRF抑制模型基礎(chǔ)上，引入多特征分析，針對夜視圖像多維特征差異對比度對抑制作用加權(quán)，以提高環(huán)境抑制的準(zhǔn)確率，實現(xiàn)更徹底的背景紋理、噪聲抑制；為解決輪廓斷裂的問題，本發(fā)明在nCRF抑制模型基礎(chǔ)上，引入具有輪廓編組功能的易化機(jī)制，使弱輪廓得以增強(qiáng)、間裂輪廓得以連接，從而可以保持夜視圖像輪廓的完整性，以提高目標(biāo)檢測的性能。
[0006]實現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法，根據(jù)一種非經(jīng)典感受野復(fù)合調(diào)制模型構(gòu)建多尺度迭代注意方法，在迭代過程中動態(tài)變化非經(jīng)典感受野復(fù)合調(diào)制的尺度因子，計算出輸入的夜視圖像的復(fù)合調(diào)制結(jié)果；在每步迭代過程中，針對輸入圖像中各像素點，首先采用多維特征對比度MFC加權(quán)抑制模型計算各像素點的抑制結(jié)果，然后基于編組興奮投票GEV易化模型計算各像素點的易化結(jié)果，最終獲得非經(jīng)典感受野復(fù)合調(diào)制輸出。
[0007] 具體實現(xiàn)步驟如下:
步驟1，輸入夜視圖像，夜視圖像為微光圖像或紅外圖像；
步驟2，設(shè)置迭代過程的非經(jīng)典感受野復(fù)合調(diào)制模型參數(shù):響應(yīng)方位數(shù)N0長寬比gamma∈[0,1]，空間頻率帶寬σ1/λ=0256,非經(jīng)典感受野nCRF和經(jīng)典感受野CRF區(qū)域半徑比It特征空間歐式距離權(quán)重ε1[0,1]∈MFC權(quán)值隨多特征對比度的衰減度σ=0.5像素點偏好方位誤差力=*/?，曲率和弧長調(diào)節(jié)系數(shù)’復(fù)合調(diào)制系數(shù)’ ^PJL,迭代次數(shù)上限? ,高斯標(biāo)準(zhǔn)差迭代初值A(chǔ)，高斯標(biāo)準(zhǔn)差A(yù)的迭代步長根據(jù)【I】及上述參數(shù)計算CRF和nCRF區(qū)域圓形半徑^和紇；
【權(quán)利要求】
1.一種基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法，其特征在于:根據(jù)一種非經(jīng)典感受野復(fù)合調(diào)制模型構(gòu)建多尺度迭代注意方法，在迭代過程中動態(tài)變化非經(jīng)典感受野復(fù)合調(diào)制的尺度因子，計算出輸入的夜視圖像的復(fù)合調(diào)制結(jié)果；在每步迭代過程中，針對輸入圖像中各像素點，首先采用多維特征對比度MFC加權(quán)抑制模型計算各像素點的抑制結(jié)果，然后基于編組興奮投票GEV易化模型計算各像素點的易化結(jié)果，最終獲得非經(jīng)典感受野復(fù)合調(diào)制輸出。
2.根據(jù)權(quán)利要求1所述的基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法，其特征在于，具體實現(xiàn)步驟如下: 步驟I，輸入夜視圖像； 步驟2，設(shè)置迭代過程的非經(jīng)典感受野復(fù)合調(diào)制模型參數(shù):響應(yīng)方位數(shù)極.，長寬比rePJ】，空間頻率帶寬AZl=OJM ,非經(jīng)典感受野nCRF和經(jīng)典感受野CRF區(qū)域半徑比fc，特征空間歐式距離權(quán)重氣^--11, MFC權(quán)值隨多特征對比度的衰減度像素點偏好方位誤差$=*/?，曲率和弧長調(diào)節(jié)系數(shù),復(fù)合調(diào)制系數(shù)δερ.1丨，CePJl, ,迭代次數(shù)上限?，高斯標(biāo)準(zhǔn)差迭代初值,高斯標(biāo)準(zhǔn)差I(lǐng)的迭代步長;根據(jù)【I】及上述參數(shù)計算CRF和nCRF區(qū)域圓形半徑》;和紇；Fe =【I 】 步驟3，逐行掃描各個像素點，計算各像素點的Λ -個方向上的Gabor能量尾>本貧)，;由【2】計算nCRF區(qū)域內(nèi)的距離加權(quán)函數(shù)；

3.根據(jù)權(quán)利要求1所述的基于非經(jīng)典感受野復(fù)合調(diào)制的夜視圖像顯著輪廓提取方法，其特征在于:步驟I中所述的夜視圖像為微光圖像或紅外圖像。
【文檔編號】G06T7/00GK103903251SQ201210585029
【公開日】2014年7月2日 申請日期:2012年12月30日 優(yōu)先權(quán)日:2012年12月30日
【發(fā)明者】柏連發(fā), 張毅, 陳錢, 顧國華, 韓靜, 岳江, 金左輪, 祁偉 申請人:南京理工大學(xué)