首页 > 专利 > 广西科技大学 > 基于颜色拮抗感受野及黑白通道的轮廓检测方法专利详情

基于颜色拮抗感受野及黑白通道的轮廓检测方法   0    0

有效专利 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2018-08-03
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2019-01-18
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
2021-08-31
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2038-08-03
基本信息
有效性 有效专利 专利类型 发明专利
申请号 CN201810875994.X 申请日 2018-08-03
公开/公告号 CN109087324B 公开/公告日 2021-08-31
授权日 2021-08-31 预估到期日 2038-08-03
申请年 2018年 公开/公告年 2021年
缴费截止日
分类号 G06T7/13G06T7/149G06T7/90 主分类号 G06T7/13
是否联合申请 独立申请 文献类型号 B
独权数量 1 从权数量 4
权利要求数量 5 非专利引证数量 1
引用专利数量 1 被引证专利数量 0
非专利引证 1、2004.09.09CN 106228547 A,2016.12.14Kaifu Yang et al..Efficient ColorBoundary Detection with Color-OpponentMechanisms《.2013 IEEE Conference onComputer Vision and Pattern Recognition》.2013,;
引用专利 US2004175057A 被引证专利
专利权维持 4 专利申请国编码 CN
专利事件 事务标签 公开、实质审查、授权
申请人信息
申请人 第一申请人
专利权人 广西科技大学 当前专利权人 广西科技大学
发明人 林川、赵浩钧、万术娟、崔林昊、潘勇才、张玉薇 第一发明人 林川
地址 广西壮族自治区柳州市东环路268号 邮编 545006
申请人数量 1 发明人数量 6
申请人所在省 广西壮族自治区 申请人所在市 广西壮族自治区柳州市
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
长沙正奇专利事务所有限责任公司 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
周晟、文信家
摘要
本发明旨在提供基于颜色拮抗感受野及黑白通道的轮廓检测方法,包括以下步骤:A、输入待检测图像,提取红、绿、蓝分量,计算黄、黑、白分量;B、预设红绿、蓝黄、黑白3个颜色组合及对应的通道,计算各自的单拮抗响应;C、预设均分圆周的多个方向参数,构建对应各个方向参数的双拮抗感受野滤波器模板;对于各像素点计算该像素点的各通道的双拮抗响应;D、对于各像素点计算各通道的两个双拮抗抑制轮廓响应;E、对于各像素点:将各通道全部的双拮抗抑制轮廓响应进行归一化后,所得结果的最大值即为该像素点的最终轮廓响应。该方法克服现有技术缺陷,具有检测效果好、计算效率高的特点。
  • 摘要附图
    基于颜色拮抗感受野及黑白通道的轮廓检测方法
  • 说明书附图:图1
    基于颜色拮抗感受野及黑白通道的轮廓检测方法
  • 说明书附图:图2
    基于颜色拮抗感受野及黑白通道的轮廓检测方法
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2021-08-31 授权
2 2019-01-18 实质审查的生效 IPC(主分类): G06T 7/13 专利申请号: 201810875994.X 申请日: 2018.08.03
3 2018-12-25 公开
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.一种基于颜色拮抗感受野及黑白通道的轮廓检测方法,其特征在于包括以下步骤:
A、输入待检测图像,将待检测图像中的各像素点的红、绿、蓝分量提取出来,并利用红、绿、蓝分量计算出各像素点的黄分量、黑分量、白分量,所述的黄分量的值为红分量与绿分量和值的一半,所述的黑分量的值为红、绿、蓝分量的最小值,所述的白分量的值为红、绿、蓝分量的和值;
B、预设红绿、蓝黄、黑白三个颜色组合,红绿组合设有红/绿通道、绿/红通道,蓝黄组合设有蓝/黄通道、黄/蓝通道,黑白组合设有黑/白通道、白/黑通道,计算各像素点的红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应;
C、预设均分圆周的多个方向参数,构建对应各个方向参数的双拮抗感受野滤波器模板;
对于各像素点,使用各个双拮抗感受野滤波器模板对各通道的单拮抗响应分别进行滤波,得到该像素点各通道的各方向参数下的边界响应值;对于各个通道,选取该通道各方向参数下的边界响应值的最大值,作为该通道的双拮抗响应;从而得到该像素点的各通道的双拮抗响应;
D、对于各像素点,利用高斯差分函数对各通道的双拮抗响应进行滤波,并对滤波结果进行归一化处理得到各通道的双拮抗抑制响应;各通道的双拮抗响应减去该通道的双拮抗抑制响应得到第一双拮抗抑制轮廓响应,各通道的双拮抗响应减去该通道所属的颜色组合中的另一通道的双拮抗抑制响应得到第二双拮抗抑制轮廓响应;
E、对于各像素点:将所有第一双拮抗抑制轮廓响应和第二双拮抗抑制轮廓响应进行归一化后,所得结果的最大值即为该像素点的最终轮廓响应。

2.如权利要求1所述的基于颜色拮抗感受野及黑白通道的轮廓检测方法,其特征在于:
所述的步骤B中各个通道的单拮抗响应计算公式为:
Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)   (1);
Sgr(x,y)=ω1·G(x,y)+ω2·R(x,y)   (2);
Sby(x,y)=ω1·B(x,y)+ω2·Y(x,y)   (3);
Syb(x,y)=ω1·Y(x,y)+ω2·B(x,y)   (4);
Sblw(x,y)=ω1·BL(x,y)+ω2·W(x,y)   (5);
Swbl(x,y)=ω1·W(x,y)+ω2·BL(x,y)   (6);
其中,R(x,y)表示像素点(x,y)的红分量,G(x,y)表示像素点(x,y)的绿分量,B(x,y)表示像素点(x,y)的蓝分量;Y(x,y)表示像素点(x,y)的黄分量, BL
(x,y)表示像素点(x,y)的黑分量,BL(x,y)=min(R(x,y),G(x,y),B(x,y),W(x,y)表示像素点(x,y)的白分量,W(x,y)=R(x,y)+G(x,y)+B(x,y);
Srg(x,y)、Sgr(x,y)、Sby(x,y)、Syb(x,y)、Sblw(x,y)、Swbl(x,y)分别为红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应,其中

3.如权利要求2所述的基于颜色拮抗感受野及黑白通道的轮廓检测方法,其特征在于:
所述的步骤C中,各像素点的各通道的各方向参数下的边界响应值计算公式如下
其中rg、gr、by、yb、blw、wbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道;θi为方向参数,Crg、Cgr、Cby、Cyb、Cblw、Cwbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道双拮抗感受野滤波器模板范围,m,n分别为双拮抗感受野滤波器模板的横轴、纵轴的偏移量;
Nθ为方向参数的个数;
RF(m,n;θi)为双拮抗感受野滤波器函数;其中:
σ1为双拮抗感受野的尺寸参数;
各通道的双拮抗响应计算公式如下:
Drg(x,y)=max{Drg(x,y;θi)|i=1,2,...Nθ}       (16);
Dgr(x,y)=max{Dgr(x,y;θi)|i=1,2,...Nθ}       (17);
Dby(x,y)=max{Dby(x,y;θi)|i=1,2,...Nθ}       (18);
Dyb(x,y)=max{Dyb(x,y;θi)|i=1,2,...Nθ}       (19);
Dblw(x,y)=max{Dblw(x,y;θi)|i=1,2,...Nθ}       (20);
Dwbl(x,y)=max{Dwbl(x,y;θi)|i=1,2,...Nθ}       (21)。

4.如权利要求3所述的基于颜色拮抗感受野及黑白通道的轮廓检测方法,其特征在于:
所述的步骤D中,高斯差分函数如下:
其中,σ2为高斯差分函数模板中心区域的带宽;
滤波结果如下:
DoGab(x,y;σ2)=Dab(x,y)*DoG(x,y;σ2)                (23);
其中ab=(rg,gr,by,yb,blw,wbl);
所述的归一化函数为:
各像素点各通道的两个双拮抗抑制轮廓响应如下:
1
Rrg(x,y;σ2)=Drg(x,y)‑αωrg(x,y;σ2)    (25);
2
Rrg(x,y;σ2)=Drg(x,y)‑αωgr(x,y;σ2)    (26);
1
Rgr(x,y;σ2)=Dgr(x,y)‑αωgr(x,y;σ2)    (27);
2
Rgr(x,y;σ2)=Dgr(x,y)‑αωrg(x,y;σ2)    (28);
1
Rby(x,y;σ2)=Dby(x,y)‑αωby(x,y;σ2)    (29);
2
Rby(x,y;σ2)=Dby(x,y)‑αωyb(x,y;σ2)    (30);
1
Ryb(x,y;σ2)=Dyb(x,y)‑αωyb(x,y;σ2)    (31);
2
Ryb(x,y;σ2)=Dyb(x,y)‑αωby(x,y;σ2)    (32);
1
Rblw(x,y;σ2)=Dblw(x,y)‑αωblw(x,y;σ2)    (33);
2
Rblw(x,y;σ2)=Dblw(x,y)‑αωwbl(x,y;σ2)    (34);
1
Rwbl(x,y;σ2)=Dwbl(x,y)‑αωwbl(x,y;σ2)    (35);
2
Rwbl(x,y;σ2)=Dwbl(x,y)‑αωblw(x,y;σ2)    (36);
1 2 1
其中R rg(x,y;σ2)、R rg(x,y;σ2)为红/绿通道的两个双拮抗抑制轮廓响应;R gr(x,y;
2 1 2
σ2)、Rgr(x,y;σ2)为绿/红通道的两个双拮抗抑制轮廓响应;R by(x,y;σ2)、R by(x,y;σ2)表示
1 2
蓝/黄通道的两个双拮抗抑制轮廓响应;Ryb(x,y;σ2)、Ryb(x,y;σ2)表示黄/蓝通道的两个双
1 2
拮抗抑制轮廓响应;R blw(x,y;σ2)、R blw(x,y;σ2)表示黑/白通道的两个双拮抗抑制轮廓响
1 2
应;Rwbl(x,y;σ2)、Rwbl(x,y;σ2)表示白/黑通道的两个双拮抗抑制轮廓响应。

5.如权利要求1所述的基于颜色拮抗感受野及黑白通道的轮廓检测方法,其特征在于:
所述的步骤E中,对各双拮抗抑制轮廓响应进行的归一化公式如下:
其中Xn表示数据X的归一化值,Xmax、Xmin分别表示数据X中的最大值和最小值;
1 2 1 2 1 2 1 2 1 2 1 2
T(x,y)=max(Rrgn,Rrgn,Rgrn,Rgrn,Rybn,Rybn、Rbyn,Rbyn、Rblwn,Rblwn、Rwbln,Rwbln);
其中T(x,y)为像素点(x,y)的最终轮廓响应:
1 2 1 2 1 2 1 2 1 2 1 2
Rrgn,Rrgn,Rgrn,Rgrn,Rybn,Rybn、R byn,Rbyn、Rblwn,Rblwn、Rwbln,Rwbln分别为各双拮抗抑制轮廓响应的归一化值。
说明书

技术领域

[0001] 本发明涉及图像轮廓检测领域,具体涉及一种基于颜色拮抗感受野及黑白通道的轮廓检测方法。

背景技术

[0002] 边缘检测是目标识别、图像分割等图像处理工作的必要基础与前提,其准确度对于图像压缩、模式识别、工业检测、人脸识别等依赖于物体关键特征与轮廓的应用有着重要的影响。随着图像处理应用的不断深入和发展,研究发现轮廓更能描述图像中目标的形状
信息,轮廓检测应运而生。在图像中,轮廓与边缘有所不同,那些连续体现主体目标的边缘是轮廓,而那些复杂背景所产生的纹理边缘信息则不是轮廓。由于大多数图像均含有噪声
等背景信息的干扰,有效地提取主体的轮廓,尤其是达到检测准确率高、定位精确的要求非常困难。
[0003] 1946年,匈牙利科学家Gabor提出Gabor函数来描述经典感受野,模拟感受野的朝向选择、带通等响应特性。1962年,Hubel等提出初级视皮层神经元感受野具有朝向选择的特性,同时发现视皮层中相邻神经元感受野对外界刺激具有相似的朝向选择性。1965年,
Rodieck发现感受野呈同心圆拮抗的结构,提出经典感受野模型。1980年,Marcelja把一维的Gabor函数推广到二维,并指出二维Gabor函数可以很好地模拟初级视皮层简单细胞经典
感受野的响应特性。1992年,李朝义发现非经典感受野的特性,为视觉处理机制解决图像处理等问题提供了新的思路。2003年,Grigorescu等利用非经典感受野对经典感受野的抑制
特性实现图像中主体目标轮廓检测和纹理边缘的抑制。该模型虽然提高了轮廓检测效果,
但会将一部分主体轮廓抑制掉,从而影响检测结果;此外,该模型不能准确地体现非经典感受野的结构特性。针对这个问题,2007年,唐奇伶等人提出一个蝶形抑制模型,包括侧区抑制和端区易化,提高了轮廓提取的完整性。为了体现颜色信息在轮廓检测中的重要性,2013年,杨开富等提出CO模型,该模型利用颜色拮抗原理提取图像中的目标轮廓,取得了很好的检测效果,但该模型的计算效率仍有待于提高。

发明内容

[0004] 本发明旨在提供一种基于颜色拮抗感受野及黑白通道的轮廓检测方法,该方法克服现有技术缺陷,具有检测效果好、计算效率高的特点。
[0005] 本发明的技术方案如下:
[0006] 一种基于颜色拮抗感受野及黑白通道的轮廓检测方法,包括以下步骤:
[0007] A、输入待检测图像,将待检测图像中的各像素点的红、绿、蓝分量提取出来,并利用红、绿分量计算出各像素点的黄分量、黑分量、白分量,所述的黄分量的值为红分量与绿分量和值的一半,所述的黑分量的值为红、绿、蓝分量的最小值,所述的白分量的值为红、绿、蓝分量的和值,或者所述的白分量的值为红、绿、蓝分量的最大值;
[0008] B、预设红绿、蓝黄、黑白三个颜色组合,红绿组合设有红/绿通道、绿/红通道,蓝黄组合设有蓝/黄通道、黄/蓝通道,黑白组合设有黑/白通道、白/黑通道,计算各像素点的红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应;
[0009] C、预设均分圆周的多个方向参数,构建对应各个方向参数的双拮抗感受野滤波器模板;
[0010] 对于各像素点,使用各个双拮抗感受野滤波器模板对各通道的单拮抗响应分别进行滤波,得到该像素点各通道的各方向参数下的边界响应值;对于各个通道,选取该通道各方向参数下的边界响应值的最大值,作为该通道的双拮抗响应;从而得到该像素点的各通
道的双拮抗响应;
[0011] D、对于各像素点,利用高斯差分函数对各通道的双拮抗响应进行滤波,并对滤波结果进行归一化处理得到各通道的双拮抗抑制响应;各通道的双拮抗响应减去该通道的双
拮抗抑制响应得到第一双拮抗抑制轮廓响应,各通道的双拮抗响应减去该通道所属的颜色
组合中的另一通道的双拮抗抑制响应得到第二双拮抗抑制轮廓响应;
[0012] E、对于各像素点:将所有第一双拮抗抑制轮廓响应和第二双拮抗抑制轮廓响应进行归一化后,所得结果的最大值即为该像素点的最终轮廓响应。
[0013] 优选地,所述的步骤B中各个通道的单拮抗响应计算公式为:
[0014] Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)  (1);
[0015] Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)  (2);
[0016] Sby(x,y)=ω1·B(x,y)+ω2·Y(x,y)  (3);
[0017] Syb(x,y)=ω1·Y(x,y)+ω2·B(x,y)  (4);
[0018] Sblw(x,y)=ω1·BL(x,y)+ω2·W(x,y)  (5);
[0019] Swbl(x,y)=ω1·W(x,y)+ω2·BL(x,y)  (6);
[0020] 其中,R(x,y)表示像素点(x,y)的红分量,G(x,y)表示像素点(x,y)的绿分量,B(x,y)表示像素点(x ,y)的蓝分量;Y(x ,y)表示像素点(x ,y)的黄分量,BL(x,y)表示像素点(x,y)的黑分量,BL(x,y)=min(R(x,y),G(x,
y),B(x,y)),W(x,y)表示像素点(x,y)的白分量,W(x,y)=R(x,y)+G(x,y)+B(x,y)或者W(x,
y)=max(R(x,y),G(x,y),B(x,y));
[0021] Srg(x,y)、Srg(x,y)、Sby(x,y)、Syb(x,y)、Sblw(x,y)、Swbl(x,y)分别为红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应,其中
[0022] 优选地,所述的步骤C中,各像素点的各通道的各方向参数下的边界响应值如下:
[0023]
[0024]
[0025]
[0026]
[0027]
[0028]
[0029] 其中rg、gr、by、yb、blw、wbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道;θi为方向参数,Crg、Cgr、Cby、Cyb、Cblw、Cwbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道双拮抗感受野滤波器模板范围,m,n分别为双拮抗感受野滤波器模板的横轴、纵轴的偏移量; Nθ为方向参数的个数;
[0030] RF(m,n;θi)为双拮抗感受野滤波器函数;其中:
[0031]
[0032]
[0033]
[0034] σ1为双拮抗感受野的尺寸参数;
[0035] 各通道的双拮抗响应计算公式如下:
[0036] Drg(x,y)=max{Drg(x,y;θi)|i=1,2,...Nθ}  (16);
[0037] Dgr(x,y)=max{Dgr(x,y;θi)|i=1,2,...Nθ}  (17);
[0038] Dby(x,y)=max{Dby(x,y;θi)|i=1,2,...Nθ}  (18);
[0039] Dyb(x,y)=max{Dyb(x,y;θi)|i=1,2,...Nθ}  (19);
[0040] Dblw(x,y)=max{Dblw(x,y;θi)|i=1,2,...Nθ}  (20);
[0041] Dwbl(x,y)=max{Dwbl(x,y;θi)|i=1,2,...Nθ}  (21)。
[0042] 优选地,所述的步骤D中,高斯差分函数如下:
[0043]
[0044] 其中,σ2为高斯差分函数模板中心区域的带宽;
[0045] 滤波结果如下:
[0046] DoGab(x,y;σ2)=Dab(x,y)*DoG(x,y;σ2)  (23);其中ab=(rg,gr,by,yb,blw,wbl);
[0047] 所述的归一化函数为:
[0048]
[0049]
[0050] 各像素点各通道的两个双拮抗抑制轮廓响应计算公式如下:
[0051] R1rg(x,y;σ2)=Drg(x,y)‑αωrg(x,y;σ2)  (25);
[0052] R2rg(x,y;σ2)=Drg(x,y)‑αωgr(x,y;σ2)  (26);
[0053] R1gr(x,y;σ2)=Dgr(x,y)‑αωgr(x,y;σ2)  (27);
[0054] R2gr(x,y;σ2)=Dgr(x,y)‑αωrg(x,y;σ2)  (28);
[0055] R1by(x,y;σ2)=Dby(x,y)‑αωby(x,y;σ2)  (29);
[0056] R2by(x,y;σ2)=Dby(x,y)‑αωyb(x,y;σ2)  (30);
[0057] R1yb(x,y;σ2)=Dyb(x,y)‑αωyb(x,y;σ2)  (31);
[0058] R2yb(x,y;σ2)=Dyb(x,y)‑αωby(x,y;σ2)  (32);
[0059] R1blw(x,y;σ2)=Dblw(x,y)‑αωblw(x,y;σ2)  (33);
[0060] R2blw(x,y;σ2)=Dblw(x,y)‑αωwbl(x,y;σ2)  (34);
[0061] R1wbl(x,y;σ2)=Dwbl(x,y)‑αωwbl(x,y;σ2)  (35);
[0062] R2wbl(x,y;σ2)=Dwbl(x,y)‑αωblw(x,y;σ2)  (36);
[0063] 其中R1rg(x,y;σ2)、R2rg(x,y;σ2)为红/绿通道的两个双拮抗抑制轮廓响应。
[0064] 优选地,所述的步骤E中,对各双拮抗抑制轮廓响应进行的归一化公式如下:
[0065]
[0066] 其中Xn表示数据X的归一化值,Xmax、Xmin分别表示数据X中的最大值和最小值;
[0067] T(x,y)=max(R1rgn,R2rgn,R1grn,R2grn,R1ybn,R2ybn、R1byn,R2byn、R1blwn,R2blwn、R1wbln,2
Rwbln);
[0068] 其中T(x,y)为像素点(x,y)的最终轮廓响应:
[0069] R1rgn,R2rgn,R1grn,R2grn,R1ybn,R2ybn、R1byn,R2byn、R1blwn,R2blwn、R1wbln,R2wbln分别为各双拮抗抑制轮廓响应的归一化值。
[0070] 本发明采用方向参数进行具有朝向选择性的双拮抗抑制,并结合DOG函数来进行纹理抑制,模拟周边神经元细胞感受野区域对中心神经元响应产生随距离改变拮抗作用;
同时,增加了黑白颜色通道进一步增加检测准确率,并且考虑颜色通道本身的双拮抗作用,因此对同一颜色通道进行双拮抗抑制轮廓响应计算,提高了纹理抑制的效果,提高轮廓检
测成功率。

实施方案

[0073] 下面结合附图和实施例具体说明本发明。
[0074] 实施例1
[0075] 本实施例提供的基于颜色拮抗感受野及黑白通道的轮廓检测方法,包括以下步骤:
[0076] 一种基于颜色拮抗感受野及黑白通道的轮廓检测方法,其特征在于包括以下步骤:
[0077] A、输入待检测图像,将待检测图像中的各像素点的红、绿、蓝分量提取出来,并利用红、绿分量计算出各像素点的黄分量、黑分量、白分量,所述的黄分量的值为红分量与绿分量和值的一半,所述的黑分量的值为红、绿、蓝分量的最小值,所述的白分量的值为红、绿、蓝分量的和值;
[0078] B、预设红绿、蓝黄、黑白三个颜色组合,红绿组合设有红/绿通道、绿/红通道,蓝黄组合设有蓝/黄通道、黄/蓝通道,黑白组合设有黑/白通道、白/黑通道,计算各像素点的红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应;
[0079] 所述的步骤B中各个通道的单拮抗响应计算公式为:
[0080] Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)  (1);
[0081] Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)  (2);
[0082] Sby(x,y)=ω1·B(x,y)+ω2·Y(x,y)  (3);
[0083] Syb(x,y)=ω1·Y(x,y)+ω2·B(x,y)  (4);
[0084] Sblw(x,y)=ω1·BL(x,y)+ω2·W(x,y)  (5);
[0085] Swbl(x,y)=ω1·W(x,y)+ω2·BL(x,y)  (6);
[0086] 其中,R(x,y)表示像素点(x,y)的红分量,G(x,y)表示像素点(x,y)的绿分量,B(x,y)表示像素点(x ,y)的蓝分量;Y(x ,y)表示像素点(x ,y)的黄分量,BL(x,y)表示像素点(x,y)的黑分量,BL(x,y)=min(R(x,y),G(x,
y),B(x,y)),W(x,y)表示像素点(x,y)的白分量,W(x,y)=R(x,y)+G(x,y)+B(x,y);
[0087] Srg(x,y)、Srg(x,y)、Sby(x,y)、Syb(x,y)、Sblw(x,y)、Swbl(x,y)分别为红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应,其中
[0088] C、预设均分圆周的12个方向参数,构建对应各个方向参数的双拮抗感受野滤波器模板;
[0089] 对于各像素点,使用各个双拮抗感受野滤波器模板对各通道的单拮抗响应分别进行滤波,得到该像素点各通道的各方向参数下的边界响应值;对于各个通道,选取该通道各方向参数下的边界响应值的最大值,作为该通道的双拮抗响应;从而得到该像素点的各通
道的双拮抗响应;
[0090] 所述的步骤C中,各像素点的各通道的各方向参数下的边界响应值计算公式如下:
[0091]
[0092]
[0093]
[0094]
[0095]
[0096]
[0097] 其中rg、gr、by、yb、blw、wbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道;θi为方向参数,Crg、Cgr、Cby、Cyb、Cblw、Cwbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道双拮抗感受野滤波器模板范围,m,n分别为双拮抗感受野滤波器模板的横轴、纵轴的偏移量; RF(m,n;θi)为双拮抗感受野滤波器函数;其中:
[0098]
[0099]
[0100]
[0101] σ1为双拮抗感受野的尺寸参数;
[0102] 各通道的双拮抗响应计算公式如下:
[0103] Drg(x,y)=max{Drg(x,y;θi)|i=1,2,...12}  (16);
[0104] Dgr(x,y)=max{Dgr(x,y;θi)|i=1,2,...12}  (17);
[0105] Dby(x,y)=max{Dby(x,y;θi)|i=1,2,...12}  (18);
[0106] Dyb(x,y)=max{Dyb(x,y;θi)|i=1,2,...12}  (19);
[0107] Dblw(x,y)=max{Dblw(x,y;θi)|i=1,2,...12}  (20);
[0108] Dwbl(x,y)=max{Dwbl(x,y;θi)|i=1,2,...12}  (21);
[0109] D、对于各像素点,利用高斯差分函数对各通道的双拮抗响应进行滤波,并对滤波结果进行归一化处理得到各通道的双拮抗抑制响应;各通道的双拮抗响应减去该通道的双
拮抗抑制响应得到第一双拮抗抑制轮廓响应,各通道的双拮抗响应减去该通道所属的颜色
组合中的另一通道的双拮抗抑制响应得到第二双拮抗抑制轮廓响应;
[0110] 所述的步骤D中,高斯差分函数如下:
[0111]
[0112] 其中,σ2为高斯差分函数模板中心区域的带宽;
[0113] 滤波结果如下:
[0114] DoGab(x,y;σ2)=Dab(x,y)*DoG(x,y;σ2)  (23);
[0115] 其中ab=(rg,gr,by,yb,blw,wbl);
[0116] 所述的归一化函数为:
[0117]
[0118]
[0119] 各像素点各通道的两个双拮抗抑制轮廓响应如下:
[0120] R1rg(x,y;σ2)=Drg(x,y)‑αωrg(x,y;σ2)  (25);
[0121] R2rg(x,y;σ2)=Drg(x,y)‑αωgr(x,y;σ2)  (26);
[0122] R1gr(x,y;σ2)=Dgr(x,y)‑αωgr(x,y;σ2)  (27);
[0123] R2gr(x,y;σ2)=Dgr(x,y)‑αωrg(x,y;σ2)  (28);
[0124] R1by(x,y;σ2)=Dby(x,y)‑αωby(x,y;σ2)  (29);
[0125] R2by(x,y;σ2)=Dby(x,y)‑αωyb(x,y;σ2)  (30);
[0126] R1yb(x,y;σ2)=Dyb(x,y)‑αωyb(x,y;σ2)  (31);
[0127] R2yb(x,y;σ2)=Dyb(x,y)‑αωby(x,y;σ2)  (32);
[0128] R1blw(x,y;σ2)=Dblw(x,y)‑αωblw(x,y;σ2)  (33);
[0129] R2blw(x,y;σ2)=Dblw(x,y)‑αωwbl(x,y;σ2)  (34);
[0130] R1wbl(x,y;σ2)=Dwbl(x,y)‑αωwbl(x,y;σ2)  (35);
[0131] R2wbl(x,y;σ2)=Dwbl(x,y)‑αωblw(x,y;σ2)  (36);
[0132] 其中R1rg(x,y;σ2)、R2rg(x,y;σ2)为红/绿通道的两个双拮抗抑制轮廓响应;
[0133] E、对于各像素点:将所有第一双拮抗抑制轮廓响应和第二双拮抗抑制轮廓响应进行归一化后,所得结果的最大值即为该像素点的最终轮廓响应;
[0134] 所述的步骤E中,对各双拮抗抑制轮廓响应进行的归一化公式如下:
[0135]
[0136] 其中Xn表示数据X的归一化值,Xmax、Xmin分别表示数据X中的最大值和最小值;
[0137] T(x,y)=max(R1rgn,R2rgn,R1grn,R2grn,R1ybn,R2ybn、R1byn,R2byn、R1blwn,R2blwn、R1wbln,2
Rwbln);
[0138] 其中T(x,y)为像素点(x,y)的最终轮廓响应:
[0139] R1rgn,R2rgn,R1grn,R2grn,R1ybn,R2ybn、R1byn,R2byn、R1blwn,R2blwn、R1wbln,R2wbln分别为各双拮抗抑制轮廓响应的归一化值。
[0140] 下面将本实施例的轮廓检测方法与文献1提供的轮廓检测各项同性模型进行有效性对比,文献1如下:
[0141] 文献1:Yang,K.,et al.Efficient Color Boundary Detection with Color‑Opponent Mechanisms.in IEEE Conference on Computer Vision and Pattern 
Recognition.2013;
[0142] 其中性能评价指标P采用如下标准:
[0143]
[0144] 式中nTP、nFP、nFN分别表示检测得到的正确轮廓、错误轮廓以及遗漏的轮廓的数目,评测指标P取值在[0,1]之间,越接近1表示轮廓检测的效果越好,另外,定义容忍度为:在5*5的邻域内检测到的都算正确检测;
[0145] 选取来自BSDS300数据库的4幅图片进行有效性对比,图片编号如下:302008(图片1)、376043(图片2)、119082(图片3)、159008(图片4);分别采用文献1中方法以及实施例1方法对上述4幅图进行轮廓检测,其中实施例1方法选用的参数组如表1所示,文献1方法选用
的参数组如表2所示;
[0146] 表1实施例1参数组表
[0147]
[0148] 表2文献1参数组表
[0149]
[0150] 如图1所示为分别为图片1‑4的原图、实际轮廓图、文献1方法检测的最优轮廓图,实施例1方法检测的最优轮廓图;如表3所示为上述4幅图像的文献1方法检测的的最优P值与实施例1方法检测的的最优P值;
[0151] 表3P值对比
[0152]
[0153] 从上述结果可以看出,不论从轮廓提取的效果上还是从性能指标参数上看,实施例1方法均优于文献1中的方法。
[0154] 实施例2
[0155] 本实施例提供的基于颜色拮抗感受野及黑白通道的轮廓检测方法,包括以下步骤:
[0156] A、输入待检测图像,将待检测图像中的各像素点的红、绿、蓝分量提取出来,并利用红、绿分量计算出各像素点的黄分量、黑分量、白分量,所述的黄分量的值为红分量与绿分量和值的一半,所述的黑分量的值为红、绿、蓝分量的最小值,所述的白分量的值为红、绿、蓝分量的最大值;
[0157] B、预设红绿、蓝黄、黑白三个颜色组合,红绿组合设有红/绿通道、绿/红通道,蓝黄组合设有蓝/黄通道、黄/蓝通道,黑白组合设有黑/白通道、白/黑通道,计算各像素点的红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应;
[0158] 所述的步骤B中各个通道的单拮抗响应计算公式为:
[0159] Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)  (1);
[0160] Srg(x,y)=ω1·R(x,y)+ω2·G(x,y)  (2);
[0161] Sby(x,y)=ω1·B(x,y)+ω2·Y(x,y)  (3);
[0162] Syb(x,y)=ω1·Y(x,y)+ω2·B(x,y)  (4);
[0163] Sblw(x,y)=ω1·BL(x,y)+ω2·W(x,y)  (5);
[0164] Swbl(x,y)=ω1·W(x,y)+ω2·BL(x,y)  (6);
[0165] 其中,R(x,y)表示像素点(x,y)的红分量,G(x,y)表示像素点(x,y)的绿分量,B(x,y)表示像素点(x ,y)的蓝分量;Y(x ,y)表示像素点(x ,y)的黄分量,BL(x,y)表示像素点(x,y)的黑分量,BL(x,y)=min(R(x,y),G(x,
y),B(x,y)),W(x,y)表示像素点(x,y)的白分量,W(x,y)=max(R(x,y),G(x,y),B(x,y));
[0166] Srg(x,y)、Srg(x,y)、Sby(x,y)、Syb(x,y)、Sblw(x,y)、Swbl(x,y)分别为红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道各自的单拮抗响应,其中
[0167] C、预设均分圆周的12个方向参数,构建对应各个方向参数的双拮抗感受野滤波器模板;
[0168] 对于各像素点,使用各个双拮抗感受野滤波器模板对各通道的单拮抗响应分别进行滤波,得到该像素点各通道的各方向参数下的边界响应值;对于各个通道,选取该通道各方向参数下的边界响应值的最大值,作为该通道的双拮抗响应;从而得到该像素点的各通
道的双拮抗响应;
[0169] 所述的步骤C中各像素点的各通道的各方向参数下的边界响应值计算公式如下:
[0170] 各像素点的各通道的各方向参数下的边界响应值如下
[0171]
[0172]
[0173]
[0174]
[0175]
[0176]
[0177] 其中rg、gr、by、yb、blw、wbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道;θi为方向参数,Crg、Cgr、Cby、Cyb、Cblw、Cwbl分别表示红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道、黑/白通道、白/黑通道双拮抗感受野滤波器模板范围,m,n分别为双拮抗感受野滤波器模板的横轴、纵轴的偏移量; RF(m,n;θi)为双拮抗感受野滤波器函数;其中:
[0178]
[0179]
[0180]
[0181] σ1为双拮抗感受野的尺寸参数;
[0182] 各通道的双拮抗响应计算公式如下:
[0183] Drg(x,y)=max{Drg(x,y;θi)|i=1,2,...12}  (16);
[0184] Dgr(x,y)=max{Dgr(x,y;θi)|i=1,2,...12}  (17);
[0185] Dby(x,y)=max{Dby(x,y;θi)|i=1,2,...12}  (18);
[0186] Dyb(x,y)=max{Dyb(x,y;θi)|i=1,2,...12}  (19);
[0187] Dblw(x,y)=max{Dblw(x,y;θi)|i=1,2,...12}  (20);
[0188] Dwbl(x,y)=max{Dwbl(x,y;θi)|i=1,2,...12}  (21);
[0189] D、对于各像素点,利用高斯差分函数对各通道的双拮抗响应进行滤波,并对滤波结果进行归一化处理得到各通道的双拮抗抑制响应;各通道的双拮抗响应减去该通道的双
拮抗抑制响应得到第一双拮抗抑制轮廓响应,各通道的双拮抗响应减去该通道所属的颜色
组合中的另一通道的双拮抗抑制响应得到第二双拮抗抑制轮廓响应;
[0190] 所述的步骤D中,高斯差分函数如下:
[0191]
[0192] 其中,σ2为高斯差分函数模板中心区域的带宽;
[0193] 滤波结果如下:
[0194] DoGab(x,y;σ2)=Dab(x,y)*DoG(x,y;σ2)  (23);
[0195] 其中ab=(rg,gr,by,yb,blw,wbl);
[0196] 所述的归一化函数为:
[0197]
[0198]
[0199] 各像素点各通道的两个双拮抗抑制轮廓响应如下:
[0200] R1rg(x,y;σ2)=Drg(x,y)‑αωrg(x,y;σ2)  (25);
[0201] R2rg(x,y;σ2)=Drg(x,y)‑αωgr(x,y;σ2)  (26);
[0202] R1gr(x,y;σ2)=Dgr(x,y)‑αωgr(x,y;σ2)  (27);
[0203] R2gr(x,y;σ2)=Dgr(x,y)‑αωrg(x,y;σ2)  (28);
[0204] R1by(x,y;σ2)=Dby(x,y)‑αωby(x,y;σ2)  (29);
[0205] R2by(x,y;σ2)=Dby(x,y)‑αωyb(x,y;σ2)  (30);
[0206] R1yb(x,y;σ2)=Dyb(x,y)‑αωyb(x,y;σ2)  (31);
[0207] R2yb(x,y;σ2)=Dyb(x,y)‑αωby(x,y;σ2)  (32);
[0208] R1blw(x,y;σ2)=Dblw(x,y)‑αωblw(x,y;σ2)  (33);
[0209] R2blw(x,y;σ2)=Dblw(x,y)‑αωwbl(x,y;σ2)  (34);
[0210] R1wbl(x,y;σ2)=Dwbl(x,y)‑αωwbl(x,y;σ2)  (35);
[0211] R2wbl(x,y;σ2)=Dwbl(x,y)‑αωblw(x,y;σ2)  (36);
[0212] 其中R1rg(x,y;σ2)、R2rg(x,y;σ2)为红/绿通道的两个双拮抗抑制轮廓响应;
[0213] E、对于各像素点:将所有第一双拮抗抑制轮廓响应和第二双拮抗抑制轮廓响应进行归一化后,所得结果的最大值即为该像素点的最终轮廓响应;
[0214] 所述的步骤E中,对各双拮抗抑制轮廓响应进行的归一化公式如下:
[0215]
[0216] 其中Xn表示数据X的归一化值,Xmax、Xmin分别表示数据X中的最大值和最小值;
[0217] T(x,y)=max(R1rgn,R2rgn,R1grn,R2grn,R1ybn,R2ybn、R1byn,R2byn、R1blwn,R2blwn、R1wbln,2
Rwbln);
[0218] 其中T(x,y)为像素点(x,y)的最终轮廓响应:
[0219] R1rgn,R2rgn,R1grn,R2grn,R1ybn,R2ybn、R1byn,R2byn、R1blwn,R2blwn、R1wbln,R2wbln分别为各双拮抗抑制轮廓响应的归一化值。
[0220] 下面将本实施例的轮廓检测方法与文献1提供的轮廓检测各项同性模型进行有效性对比,文献1如下:
[0221] 文献1:Yang,K.,et al.Efficient Color Boundary Detection with Color‑Opponent Mechanisms.in IEEE Conference on Computer Vision and Pattern 
Recognition.2013;
[0222] 其中性能评价指标P采用如下标准:
[0223]
[0224] 式中nTP、nFP、nFN分别表示检测得到的正确轮廓、错误轮廓以及遗漏的轮廓的数目,评测指标P取值在[0,1]之间,越接近1表示轮廓检测的效果越好,另外,定义容忍度为:在5*5的邻域内检测到的都算正确检测;
[0225] 选取来自BSDS300数据库的4幅图片进行有效性对比,图片编号如下:302008(图片1)、376043(图片2)、119082(图片3)、159008(图片4);分别采用文献1中方法以及实施例2方法对上述4幅图进行轮廓检测,其中实施例2方法选用的参数组如表4所示,文献1方法选用
的参数组如表5所示;
[0226] 表4实施例2参数组表
[0227]
[0228]
[0229] 表5文献1参数组表
[0230]
[0231] 如图2所示为分别为图片1‑4的原图、实际轮廓图、文献1方法检测的最优轮廓图,实施例1方法检测的最优轮廓图;如表6所示为上述4幅图像的文献1方法检测的的最优P值与实施例1方法检测的的最优P值;
[0232] 表6P值对比
[0233]
[0234] 从上述结果可以看出,不论从轮廓提取的效果上还是从性能指标参数上看,实施例2方法均优于文献1中的方法。

附图说明

[0071] 图1为本发明实施例1提供的轮廓检测效果对比图。
[0072] 图2为本发明实施例2提供的轮廓检测效果对比图。
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号