基于視覺生理機制的多尺度抑制與上下文調(diào)制的輪廓檢測研究.pdf

1、計算機視覺中，從復雜場景中檢測目標輪廓是一項重要而又面對挑戰(zhàn)的艱巨任務。近年來，研究者們提出了大量的輪廓檢測算法，但是，與人類視覺系統(tǒng)的輪廓認知相比，許多算法仍然無法檢測到完整與精確的目標輪廓。在早期，Hubel與Wiesel就已經(jīng)發(fā)現(xiàn)初級視覺皮層（V1）中的神經(jīng)元對經(jīng)典感受野（CRF）中特定位置出現(xiàn)的特定方向線段或邊緣具有極強的敏感性。但是，神經(jīng)元對刺激的響應并不僅僅受經(jīng)典感受野的影響，同時也受到了位于非經(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，這兩種相互作用對有效消除目標背景或噪聲具有關(guān)鍵作用。
　　基于初級視覺皮層（V1）的感知機制，并結(jié)合神經(jīng)元對不同頻率的響應特性，本文提出一種結(jié)合多尺度抑制與上下文調(diào)制的輪廓檢測算法。首先，利用多尺度、多方向的Gabor濾波器模擬初級視覺皮層中神經(jīng)元對刺激的響應。對每個尺度內(nèi)的多方向濾波響應，采用濾波器向量的方式提取基本輪廓。然后，對二維 DO

3、G濾波器進行擴展，形成具有可同時對尺度內(nèi)與尺度之間進行非經(jīng)典感受野抑制的三維濾波器（3D DOG），將3D DOG對多個尺度的基本輪廓進行卷積濾波，進而提取抑制結(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)制引入到非線性映射后的整合輪廓中，通過距離和方向構(gòu)造的興奮和抑制作用權(quán)，實現(xiàn)共線增強與紋理抑制，從而進一步增強整合輪廓的精確性。在對自然圖像的輪廓提取定量分析實

4、驗中，與其它經(jīng)典算法和當前一流方法相比，本文算法可有效改進輪廓提取的精確性與噪聲抑制。
　　本文的主要貢獻有：（1）將濾波器向量之和引入到方向特征的提取中，提取的方向特征對上下文調(diào)制過程更具有效性。（2）通過構(gòu)建3D DOG濾波器，以模擬對不同尺度下的神經(jīng)元之間抑制作用，相比在單個尺度內(nèi)進行抑制作用的2D DOG相比，3D DOG可更為有效地抑制背景噪聲。（3）結(jié)合Weber-Fechner的非線性映射，通過可以同時實現(xiàn)共線增強和