基于非經典感受野空間總和調制的輪廓檢測方法

文檔序號：10665936閱讀：298來源：國知局

基于非經典感受野空間總和調制的輪廓檢測方法
【專利摘要】本發明旨在提供一種基于非經典感受野空間總和調制的輪廓檢測方法，包括以下步驟：A、輸入經灰度處理的待檢測圖像；B、對待檢測圖像Gabor濾波，獲得各像素點的各個方向的Gabor能量值；C、計算出非經典感受野對中心神經元的空間總和調制權值；D、計算出非經典感受野在距離權值上對中心神經元的調制響應；E、計算得到中心神經元受非經典感受野的刺激響應；F、計算得到中心神經元受經典感受野和非經典感受野聯合調制的刺激響應，作為對應的輪廓值；G、對各像素點的輪廓值使用非極大值抑制和雙閾值處理，得到各像素點的最終輪廓值。該方法克服現有技術仿真效果差、輪廓識別率低的缺陷，具有仿真效果好、輪廓識別率高的特點。
【專利說明】
基于非經典感受野空間總和調制的輪廓檢測方法
技術領域
[0001] 本發明涉及圖像處理領域，具體涉及一種基于非經典感受野空間總和調制的輪廓檢測方法。
【背景技術】
[0002] 輪廓定義目標的形狀，輪廓是目標識別中的重要任務之一，而從雜亂場景中獲取的目標輪廓是一項重要且相當困難的任務，主要是因為輪廓周圍通常存在大量紋理背景的邊緣，因此這項工作主要需要排除由于紋理區域的無意義邊緣，而保留目標輪廓。提高檢測率的關鍵在于能基于上下文將局部信息優化整合成一致的全局特征。人類視覺系統具有快速和有效的從復雜場景中提取輪廓特征的能力，有效促進了以生物特性作為啟發的輪廓檢測算法研究的發展。生理研究表明，VI層神經元具有方位選擇性，且在其經典感受野 (Classical Receptive Rield，CRF)外存在非經典感受野（Non-Classical Receptive Rield，NCRF)區域，雖然單獨刺激該區域沒有響應，但可以對CRF具有一定的調制作用。
[0003] 現有技術中，Grigorescu等人采用二維GABOR函數模型模擬視皮層簡單細胞經典感受野的輸出，由高斯差分函數(Difference of Gaussian，DoG)模擬圓環形的非經典感受野神經元對中心神經元的距離權值，提出各項同性和各項異性的抑制計算模型構建，從而建立非經典感受野目標輪廓檢測模型。該類方法利用了初級視皮層中細胞的非經典感受野抑制特性，即中心神經元的活動被周邊神經元所施加的抑制而減弱，形成側抑制機制；然而，這種方法的抑制權值計算僅考慮了 NCRF神經元個體對中心神經元的影響程度，但是 NCRF神經元在參與中心神經元的調制中，其生理特性使得其自身同時也受到周邊神經元的調制。

【發明內容】

[0004] 本發明旨在提供一種基于非經典感受野空間總和調制的輪廓檢測方法，該方法克服現有技術仿真效果差、輪廓識別率低的缺陷，具有仿真效果好、輪廓識別率高的特點。
[0005] 本發明的技術方案如下：基于非經典感受野空間總和調制的輪廓檢測方法，包括以下步驟：
[0006] A、輸入經灰度處理的待檢測圖像，將待檢測圖像的各個像素點分別作為非經典感受野中心神經元；
[0007] B、預設多個方向參數的Gabor濾波器組，對待檢測圖像中的各像素點分別按照各個方向參數進行Gabor濾波，獲得各像素點的各個方向的Gabor能量值;對于每個像素點，選取其各個方向的Gabor能量值中的最大值，作為該像素點受經典感受野的刺激響應，即為該非經典感受野中心神經元的刺激響應，該最大值對應的濾波方向作為該像素點的最優角，即為該非經典感受野中心神經元的最優角；
[0008] C、基于各個非經典感受野中心神經元，分別計算得到各個非經典感受野對其中心神經元的全局能量調制權值，并分別結合各非經典感受野中心神經元對應的的最優角計算得到各非經典感受野中心神經元方位調制權值，進而計算出各個非經典感受野對其中心神經元的空間總和調制權值；
[0009] D、計算出各個非經典感受野對其中心神經元作用的距離函數，將這一距離函數與其中心神經元受經典感受野的刺激響應進行卷積得到各個非經典感受野在距離權值上對其中心神經元的調制響應；
[0010] E、通過各個非經典感受野的調制響應與其空間總和調制權值進行乘積得到各個中心神經元受非經典感受野的刺激響應；
[0011] F、通過各個中心神經元受非經典感受野調制的刺激響應與抑制系數相乘，再將其中心神經元受經典感受野的刺激響應減去上述乘積得到中心神經元受經典感受野和非經典感受野聯合調制的刺激響應，取正后作為該中心神經元對應的輪廓值，從而得到各個像素點的輪廓值；
[0012] G、對各像素點的輪廓值使用非極大值抑制和雙閾值處理，得到各像素點的最終輪廓值。
[0013] 所述的步驟B具體如下：
[0014] 所述的Gabor濾波器組的二維Gabor函數表達式如下：
[0015]
⑴；
[0016] 其中i = .vcyas# + .ks'/V成j = -xs'/V沿+ ，γ為一個表示橢圓形感受野長短軸比例的常數，參數λ為波長，〇為DoG模板中心區的帶寬，1 /λ為余弦函數的空間頻率，σ/λ為空間頻率的帶寬，浐是相角參數，Θ為Gabor濾波的角度參數；
[0017]
⑵；
[0018] I(x，y)為待檢測圖像，*為卷積運算符；
[0019] Gabor能量值計算如下：「00201
(3); (4)；
[0022]其中Θ i為Gabor濾波的某一角度，Νθ為Gabor濾波的角度的個數；
[0023] (5)；
[0024] (6)，
[0025] Ec (X，y)為像素點(X，y)的各角度Gabor濾波能量值的最大值，_v)為Ec (X，y)對應的濾波角度，作為像素點(x，y)的最優角。
[0026]所述的步驟C具體如下：
[0027] 所述的非經典感受野對中心神經元的空間總和調制權值的表達式為：
[0028] Fs(x,y)= I/FaCx+x7 ,γ+y7 )Fr(x+x7 ,γ+y7 ) (7)；
[0029] 其中IkoG' OkorSkoq' <3k〇;
[0030] 其中Fs(x，y)為非經典感受野對中心神經元的空間總和調制權值，Fr(x，y)為非經典感受野對中心神經元的全局能量調制權值，FaU+x' j+y')為非經典感受野對中心神經元的方位調制權值；
[0031] Fr(x，y)表達式為：
[0032]
C8)；
[0033] 其中，EAVC為待檢測圖像各像素點受經典感受野刺激響應的均值，即為待檢測圖像各個像素點的Ec (X，y)值的均值；
[0034] Fa(x+x' )的表達式為：
[0035] h
[0036]
[0037] ( 11 );
[0038] (12)；
[0039] 其中％為中心神經元A(x，y)的最優角，％為非經典感受野中除中心神經元外的任一神經元B(X+X 7，y+y')的最優角，即分別為神經元A、B的最大的gabor能量值對應的濾波角度，db為中心神經元A與神經元B連線的偏向角。
[0040] 所述的步驟D具體如下：
[0041 ] 所述的非經典感受野在距離權值上對中心神經元的調制響應表達為：
[0042] Ed(x,y)=Ec(x,y)*Fd(x,y) (13);
[0043 ] 其中Ed (X, y)為非經典感受野在距離權值上對中心神經元的調制響應，Fd (X, y)為非經典感受野對中心神經元作用的距離函數；
[0044] Fd(x，y)的表達式為：
[0045]
[0046]
[0047] 、 .z \ / 、、 /
[0048] 其中，| | · |卜為仏1)范數，H(D〇G(x，y))為取正值的函數，DoG(x，y)為DoG模板對應的表達式，k為D0G模板函數中兩個高斯函數sigma值的比率。
[0049] 所述的步驟E具體如下：
[0050] 中心神經元受非經典感受野的刺激響應表達式為：
[0051] En(x,y)=Fs(x,y) · Ed(x,y) (17)〇
[0052] 所述的步驟F具體如下：
[0053] 所述的中心神經元受經典感受野和非經典感受野聯合調制的刺激響應的表達式為：
[0054] R(x,y)=Ec(x,y)-aEn(x,y) (18);
[0055] 其中R(x，y)為中心神經元受經典感受野和非經典感受野聯合調制的刺激響應，α 為抑制系數；
[0056] 所述的取正函數為（丨9)
[0057] 本發明輪廓檢測方法采用特有
的非經典感受野的中心神經元的空間總和調制權值，將非經典感受野內神經元的能量全局調制與方位調制結合，該權值既考慮了非經典感受野內神經元的能量全局調制作用，也考慮了非經典感受野內神經元的方位調制作用；該特征充分利用了非經典感受野內神經元在參與中心神經元的調制中，同時也受到自身周邊神經元調制的生理特性。
[0058]因此，本發明輪廓檢測方法體現了非經典感受野內神經元在全局考慮下對中心神經元的能量調制影響，更為符合非經典感受野的生理特性。該方法與現有模型對比的實驗結果表明，該模型在抑制紋理和保持輪廓完整性上效果較好，且取得了較高的輪廓檢測評測結果。
【附圖說明】
[0059] 圖1為本發明提供的基于非經典感受野空間總和調制的輪廓檢測方法的流程框圖。
[0060] 圖2為待檢測圖像（山羊）
[0061]圖3為待檢測圖像(犀牛）
[0062]圖4為圖2的真實輪廓圖 [0063]圖5為圖3的真實輪廓圖
[0064] 圖6為文獻1各向異性模型對圖2的檢測輪廓圖
[0065] 圖7為文獻1各向異性模型對圖3的檢測輪廓圖
[0066] 圖8為文獻1各向同性模型對圖2的檢測輪廓圖
[0067] 圖9為文獻1各向同性模型對圖3的檢測輪廓圖
[0068] 圖10為文獻2檢測方法對圖2的檢測輪廓圖
[0069] 圖11為文獻2檢測方法對圖3的檢測輪廓圖
[0070] 圖12為本實施例檢測方法對圖2的檢測輪廓圖
[0071] 圖13為本實施例檢測方法對圖3的檢測輪廓圖
[0072] 圖14為各方法對圖2進行輪廓檢測的盒須圖
[0073] 圖15為各方法對圖3進行輪廓檢測的盒須圖
[0074] 圖16為步驟C中的中心神經元與其余神經元各個角度的示意圖
【具體實施方式】
[0075]下面結合附圖和實施例具體說明本發明。
[0076] 實施例1
[0077] 本實施例提供的輪廓檢測方法包括以下步驟：
[0078] Α、輸入經灰度處理的待檢測圖像，將待檢測圖像的各個像素點分別作為非經典感受野中心神經元；
[0079] B、預設多個方向參數的Gabor濾波器組，對待檢測圖像中的各像素點分別按照各個方向參數進行Gabor濾波，獲得各像素點的各個方向的Gabor能量值;對于每個像素點，選取其各個方向的Gabor能量值中的最大值，作為該像素點受經典感受野的刺激響應，即為該非經典感受野中心神經元的刺激響應，該最大值對應的濾波方向作為該像素點的最優角，即為該非經典感受野中心神經元的最優角；
[0080] 0?彳太的吳鉬的一維豐·;女式如下：
[0081 ] (3);
[0082] 其中.i = .rco.s.沒 + 久 v = -.'νΛ./V?沒+ irmsW ^ 的常數，參數λ為波長，〇為DoG模板中心區的帶寬，1 /λ為余弦函數的空間頻率，σ/λ為空間頻率的帶寬，妒是相角參數，Θ為Gabor濾波的角度參數；
[0083] βλ^(χ,.?；) = I(X, y) * gA^(x, 0 (4);
[0084] I(x，y)為待檢測圖像，*為卷積運算符；
[0085] Gabor能量值計算如下：
[0086]
(5)； (6)；
[0088] 其中Θ AGabor濾波的某一角度，Νθ為Gabor濾波的角度的個數；
[0089]
[0090]
[0091 ] Ec(X，y)為像素點(X，y)的各角度Gabor濾波能量值的最大值，爐(X，.V)為Ec(X，y)對應的濾波角度，作為像素點(X，y)的最優角；
[0092] C、基于各個非經典感受野中心神經元，分別計算得到各個非經典感受野對其中心神經元的全局能量調制權值，并分別結合各非經典感受野中心神經元對應的的最優角計算得到各非經典感受野中心神經元方位調制權值，進而計算出各個非經典感受野對其中心神經元的空間總和調制權值；
[0093] 所述的非經典感受野對中心神經元的空間總和調制權值的表達式為：
[0094] Fs(x,y)= I/FaCx+x7 ,y+y, )Fr(x+x/ ,y+y, ) (9)；
[0095] 其中IkoG' OkorSkoq' <3k〇;
[0096] 其中Fs(x,y)為非經典感受野對中心神經元的空間總和調制權值，Fr(x,y)為非經典感受野對中心神經元的全局能量調制權值，FaU+x' j+y')為非經典感受野對中心神經元的方位調制權值；
[0097] Fr(x，y)表達式為：
[0098]
(1〇)，
[0099] 其中，EAVC為待檢測圖像各像素點受經典感受野刺激響應的均值，即為待檢測圖像各個像素點的Ec (X，y)值的均值；
[0100] FaCx+x' )的表達式為：
[0101]
[0102]
[0103]
[0104]
[0105] 如圖16所示，其中死為中心神經元A(X，y)的最優角，吼為非經典感受野中除中心神經元外的任一神經元BU+x' j+y')的最優角，即分別為神經元A、B的最大的gabor能量值對應的濾波角度，為中心神經元A與神經元B連線的偏向角；
[0106] D、計算出各個非經典感受野對其中心神經元作用的距離函數，將這一距離函數與其中心神經元受經典感受野的刺激響應進行卷積得到各個非經典感受野在距離權值上對其中心神經元的調制響應；
[0107] 所述的非經典感受野在距離權值上對中心神經元的調制響應表達為：
[0108] Ed(x,y)=Ec(x,y)*Fd(x,y) (15);
[0109] 其中Ed(x,y)為非經典感受野在距離權值上對中心神經元的調制響應，Fd(x,y)為非經典感受野對中心神經元作用的距離函數；
[0110] Fd(x，y)的表達式為：
[0111]
[0112]
[0113]
[0114] 其中，I I · I ^為仏1)范數，H(D〇G(x，y))為取正值的函數，DoG(x，y)為DoG模板對應的表達式，k為D0G模板函數中兩個高斯函數sigma值的比率；
[0115] E、通過各個非經典感受野的調制響應與其空間總和調制權值進行乘積得到各個中心神經元受非經典感受野的刺激響應；
[0116] 中心神經元受非經典感受野的刺激響應表達式為：
[0117] En(x,y)=Fs(x,y) · Ed(x,y) (19);
[0118] F、通過各個中心神經元受非經典感受野調制的刺激響應與抑制系數相乘，再將其中心神經元受經典感受野的刺激響應減去上述乘積得到中心神經元受經典感受野和非經典感受野聯合調制的刺激響應，取正后作為該中心神經元對應的輪廓值，從而得到各個像素點的輪廓值；
[0119] 所述的中心神經元受經典感受野和非經典感受野聯合調制的刺激響應的表達式為：
[0120] R(x,y)=H{Ec(x,y)-aEn(x,y)} (20)；
[0121] 其中R(x，y)為中心神經元受經典感受野和非經典感受野聯合調制的刺激響應，α 為抑制系數；
[0122] 所述的取正函數$
<21);
[0123] G、對各像素點的輪廓值使用非極大值抑制和雙閾值處理，得到各像素點的最終輪廓值。
[0124] 下面將本實施例的輪廓檢測方法與如下兩篇文獻提供的輪廓檢測方法進行有效性對比，其中選用文獻1中的各向同性模型以及各項異性模型進行有效性對比，兩篇文獻如下：
[0125] 文南犬 1 :Grigorescu C,Petkov N,ffestenberg M.Contour detection based on nonclassical receptive field inhibition!!J] · IEEE Transactions on Image Processing,2003,12(7):729-739.
[0126] 文南犬2 : C· Zeng, Y · Li ,C · Li , Center-surround interaction with adaptive inhibition:a computational model for contour detection,Neuroimage,2011,55(1): 49-66.；
[0127] 為保證對比的有效性，對于本實施例采用與文獻1與文獻2中相同的非極大值抑制方法進行后續的輪廓整合，其中包含的兩個閾值th，^設置為^ = 0.5th，由分位數p計算而得；
[0128] 其中性能評價指標采用文獻1中給出的如下標準：
[0129]
[0130] 式中card (X)表示集合X中成員的數目；card (E)、card (Efp)、card (Efn)分別表示正確輪廓、虛假輪廓與遺漏輪廓的數目，評測標準P取值在[0，l]之間，越接近1表示輪廓檢測的效果越好。
[0131] 有效性對比中：選取2幅較為典型的圖像進行輪廓提前的有效性對比，分別如圖2、圖3所示，對應的真實輪廓圖分別為圖4與圖5;
[0132] 對于圖2，本實施例選用的參數為:α = 〇.6, O = 2.0，p = 0.05,其余參數參見表1;
[0133] 對于圖3,本實施例選用的參數為:α = 1.5，σ = 2.9，ρ = 0.1，其余參數參見表1;
[0134] 對于圖2,文獻1中的各向異性模型選用的參數為:<1 = 1.0,〇 = 2.4，？ = 0.1，其余參數參見表1;
[0135] 對于圖3,文獻1中的各向異性模型選用的參數為:<1 = 1.0,〇 = 2.2，？ = 0.1，其余參數參見表1;
[0136] 對于圖2,文獻1中的各向同性模型選用的參數為:<1 = 1.2,〇 = 2.4，？ = 0.1，其余參數參見表1;
[0137] 對于圖3,文獻1中的各向同性模型選用的參數為:α = 1 .〇，σ = 2.4，ρ = 0.1，其余參數參見表1;
[0138] 對于圖2,文獻2中的檢測方法選用的參數為：(^ = 1.0,(12 = 2.0,0^ =2.0,〇c = 10.0，p = 0.1，其余參數參見表1;
[0139] 對于圖3,文獻2中的檢測方法選用的參數為= = 2,〇f. =2.0,〇c =
[0141] 10.0，p = 0.1，其余參數參見表1;[0140] 表1部分參數表
[0143] 對比結果參見表2:[0144] 表2對比結果
[0142]
[0145]
[0146] 對應的輪廓提取結果如圖6-圖13所示。
[0147] 為了更好地對上述幾種檢測方法進行對比，還進行了盒須圖比較，采用文獻1中公開的盒須圖方法，各方法均選用80組參數，各方法的參數選擇如下：
[0148] 本實施例檢測方法中選用的參數為:α= [0. 6,0.9,1.2,1.5]，〇=[2.0,2.3,2.6， 2.9,3.2]，ρ = [0.2,0.15,0.1,0.05]，其余參數參見表 1;
[0149] 文獻1中的各向異性模型選用的參數為:α= [ 1.0,1.2]，σ = [1.0 ,1.2,1.4,1.6， 1.8.2.0. 2.2，2.4]，p = [05,0.4,0.3,0.2,0.1 ]，其余參數參見表 1;
[0150] 文獻1中的各向同性模型選用的參數為:α=[1.0，1.2]，σ = [1.0，1.2,1.4,1.6， 1.8.2.0. 2.2，2.4]，ρ = [05,0.4,0.3,0.2,0.1 ]，其余參數參見表 1;
[0151] 文獻 2 中的檢測方法選用的參數為= = [1.2,1.6,2.0， 2.4]，〇。=[50￡.，60￡.]，!)=[05,0.4,0.3,0.2,0.1]，其余參數參見表1 ;
[0152 ]相應的盒須圖如圖14、圖15所示;其中A表示文獻1的各項異性模型，I表示文獻1的各項同性模型，Z表示文獻2檢測方法，0表示本實施例檢測方法。
[0153]由上述表2及圖14、15的對比可以看出，本實施例輪廓檢測方法在保持輪廓完整和抑制紋理上具有較好的效果。
【主權項】
1. 基于非經典感受野空間總和調制的輪廓檢測方法，其特征在于包括W下步驟： A、輸入經灰度處理的待檢測圖像，將待檢測圖像的各個像素點分別作為非經典感受野中屯、神經元； B、預設多個方向參數的Gabor濾波器組，對待檢測圖像中的各像素點分別按照各個方向參數進行Gabor濾波，獲得各像素點的各個方向的Gabor能量值;對于每個像素點，選取其各個方向的Gabor能量值中的最大值，作為該像素點受經典感受野的刺激響應，即為該非經典感受野中屯、神經元的刺激響應，該最大值對應的濾波方向作為該像素點的最優角，即為該非經典感受野中屯、神經元的最優角； C、基于各個非經典感受野中屯、神經元，分別計算得到各個非經典感受野對其中屯、神經元的全局能量調制權值，并分別結合各非經典感受野中屯、神經元對應的的最優角計算得到各非經典感受野中屯、神經元方位調制權值，進而計算出各個非經典感受野對其中屯、神經元的空間總和調制權值； D、計算出各個非經典感受野對其中屯、神經元作用的距離函數，將運一距離函數與其中屯、神經元受經典感受野的刺激響應進行卷積得到各個非經典感受野在距離權值上對其中屯、神經元的調制響應； E、通過各個非經典感受野的調制響應與其空間總和調制權值進行乘積得到各個中屯、神經元受非經典感受野的刺激響應； F、通過各個中屯、神經元受非經典感受野調制的刺激響應與抑制系數相乘，再將其中屯、神經元受經典感受野的刺激響應減去上述乘積得到中屯、神經元受經典感受野和非經典感受野聯合調制的刺激響應，取正后作為該中屯、神經元對應的輪廓值，從而得到各個像素點的輪廓值； G、對各像素點的輪廓值使用非極大值抑制和雙闊值處理，得到各像素點的最終輪廓值。2. 如權利要求1所述的基于非經典感受野空間總和調制的輪廓檢測方法，其特征在于：所述的步驟B具體如下：所述的Gabor濾波器組的二維Gabor函數表達式如下：(1): 其中I Y為一個表示楠圓形感受野長短軸比例的常數，參數A為波長，〇為0〇6模板中屯、區的帶寬，IA為余弦函數的空間頻率，〇A為空間頻率的帶寬，釋是相角參數，e為Gabor濾波的角度參數；C2； I (X，y)為待檢測圖像，*為卷積運算符； Gabor能量值計算如下：- (3); C4); (5) ；其中目i為Gabor濾波的某一角度，Ne為Gabor濾波的角度的個數；(6) ; Ec (X，y)為像素點（X，y)的各角度Gabor濾波能量值的最大值，抑X，.的為Ec (X，y)對應的濾波角度，作為像素點(X，y)的最優角。3. 如權利要求2所述的基于非經典感受野空間總和調制的輪廓檢測方法，其特征在于：所述的步驟C具體如下：所述的非經典感受野對中屯、神經元的空間總和調制權值的表達式為： Fs(x，y)=I：x' 2/化U+X'，y+y')化U+X'，y+y') (7); 其中-3k〇<x' <3k〇; -3k〇<y' <3k〇; 其中Fs(x，y)為非經典感受野對中屯、神經元的空間總和調制權值，Fr(x，y)為非經典感受野對中屯、神經元的全局能量調制權值，Fa(x+x/，y+/ )為非經典感受野對中屯、神經元的方位調制權值；化(x,y)表達式為：(8)；其中，Eavg為待檢測圖像各像素點受經典感受野刺激響應的均值，即為待檢測圖像各個像素點的Ec(x，y)值的均值； Fa(x+x'，y+y')的表達式為：(9); 其中 (11); (12)：；其中錢為中屯、神經元AU, y)的最優角，卿為非經典感受野中除中屯、神經元外的任一神經元B(x+x/，y+/ )的最優角，即分別為神經元A、B的最大的gabor能量值對應的濾波角度，巧b為中屯、神經元A與神經元B連線的偏向角。4. 如權利要求3所述的基于非經典感受野空間總和調制的輪廓檢測方法，其特征在于：所述的步驟D具體如下：所述的非經典感受野在距離權值上對中屯、神經元的調制響應表達為： Ed(x,y)=Ec(x,y)*Fd(x,y) (13); 其中Ed(x，y)為非經典感受野在距離權值上對中屯、神經元的調制響應，Fd(x，y)為非經典感受野對中屯、神經元作用的距離函數； Fd(x,y)的表達式為： (14); (16)；其中，其中，I I ? I Ii為化I)范數，H化oG(x，y))為取正值的函數，DoG(x，y)為DoG模板對應的表達式。5. 如權利要求4所述的基于非經典感受野空間總和調制的輪廓檢測方法，其特征在于：所述的步驟E具體如下：中屯、神經元受非經典感受野的刺激響應表達式為： En(x,y)=Fs(x,y) ? Ed(x,y) (17)。6. 如權利要求5所述的基于非經典感受野空間總和調制的輪廓檢測方法，其特征在于：所述的步驟F具體如下：所述的中屯、神經元受經典感受野和非經典感受野聯合調制的刺激響應的表達式為：尺(又，7)=6。（義，7)-地11(義，7) (18); 其中RU, y)為中屯、神經元受經典感受野和非經典感受野聯合調制的刺激響應，a為抑制系數；所述的取正函數3(19)'
【文檔編號】G06T7/00GK106033610SQ201610163668
【公開日】2016年10月19日
【申請日】2016年3月22日
【發明人】林川, 曹以雋, 李亞, 潘亦堅, 郭越, 潘勇才
【申請人】廣西科技大學

完整全部詳細技術資料下載