基于初級視皮層感知機(jī)制的輪廓與邊界檢測.pdf

1、輪廓與邊界定義了目標(biāo)的外表形狀，確定了區(qū)域之間的分界線，它們是人類與計(jì)算機(jī)進(jìn)行目標(biāo)識別的重要特征。然而從紛亂的自然場景中提取目標(biāo)的輪廓與邊界是一件非常困難的任務(wù)。為了做到這點(diǎn)，三個主要的問題需要解決：⑴排除大量由背景紋理所產(chǎn)生的局部邊緣成分；⑵根據(jù)場景中上下文的信息將局部成分組織成有意義的全局特征；⑶有些重要的結(jié)構(gòu)缺乏明確的物理定義(例如紋理的邊界)，并且有的部分目標(biāo)可能與背景具有相同的強(qiáng)度，使得邊界的響應(yīng)非常弱甚至缺乏局部的有效證據(jù)。

2、針對這些困難，本文根據(jù)初級視皮層感知機(jī)制建立了各種輪廓與邊界的檢測模型，并通過合成圖像與自然圖像檢驗(yàn)了算法的性能。
　　 本文利用非經(jīng)典感受野循環(huán)抑制的動態(tài)屬性提出了一種紋理抑制方法。這個方法對紋理與邊界采取不同的處理方式，從而很大程度地減少了背景中無意義的干擾成分，并有選擇性地保存了孤立的輪廓和區(qū)域的邊界。如何從復(fù)雜的場景中將具一致空間結(jié)構(gòu)的成分組織成顯著的輪廓是研究的另一個主要方面。本文結(jié)合共圓規(guī)則與視覺對低曲率路徑的偏好定

3、義了一個輪廓結(jié)合局部聚集函數(shù)，這個函數(shù)將同排列與同方位兩種屬性巧妙的聯(lián)系起來。通過上下文的相互作用將局部成分整合成一個有意義的全局特征并從背景中突出。通過空間分離的興奮與抑制作用區(qū)域，本文將環(huán)境抑制與空間增強(qiáng)統(tǒng)一在一個結(jié)合模型中，從而允許兩種對立的感知行為同時(shí)存在?；谶@個模型，本文強(qiáng)調(diào)了空間增強(qiáng)與環(huán)境抑制在輪廓與邊界檢測中起的不同作用，抑制主要表現(xiàn)在表面與紋理的分割，而增強(qiáng)主要是用于輪廓的結(jié)合和圖形背景的分離。彩色圖像比灰度圖像攜帶更