[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。