[發明專利]基于非經典感受野復合調制的夜視圖像顯著輪廓提取方法

有效

• 申請號: 201210585029.1
• 申請日: 2012-12-30
• 公開（公告）號: CN103903251B
• 公開（公告）日: 2017-03-29
• 發明（設計）人: 柏連發;張毅;陳錢;顧國華;韓靜;岳江;金左輪;祁偉
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/12
• 分類號: G06T7/12
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱顯國

技術領域

本發明屬于夜視圖像理解領域，特別是一種基于視覺建模的復雜場景下夜視圖像顯著輪廓提取方法。

背景技術

輪廓提取在夜視圖像(微光、紅外圖像)理解分析方面發揮著重要作用。目前夜視目標探測識別方面的應用大部分是針對戶外場景的，因此夜視圖像中包含了大量的自然紋理（例如樹和草）。傳統的邊緣檢測算子的作用結果保留大量非輪廓的邊緣成分（canny算子），如何針對微光和紅外圖像特征，去除這些由紋理場所產生的局部非興趣邊緣，并且保持輪廓的完整性是夜視圖像輪廓檢測主要面臨的問題。

針對復雜場景的輪廓提取問題提出了諸多解決方法，其中基于生物視覺機理的非經典感受野模型的輪廓提取在高質量可見光圖像中獲得了顯著效果。視皮層(V1)神經元感受野(CRF)的大外周(非經典感受野nCRF)對CRF起調制作用，這種調制主要是抑制性的，能夠使得孤立的邊緣要比群體邊緣更為顯著。基于側抑制區的仿生模型，較好地去除了背景紋理產生的邊緣，如圖1所示。在環境抑制方面Grigorescu等人(Contour?detection?based?on?Nonclassical?Receptive?Field?inhibition)利用非經典感受野的抑制特性進行輪廓檢測，利用環境對中心的方向抑制，減少了環境紋理的影響，并提出各向異性抑制和各向同性抑制模型；桑農等人(基于初級視皮層抑制的輪廓檢測方法)根據非經典感受野刺激方位與感受野刺激方位差異，對抑制作用加權，建立了基于側抑制區的蝶形模型，減小共線抑制的作用。一些生理學實驗發現，V1區神經元不但受到非經典感受野的抑制，同時也受到非經典感受野的易化作用。Tang等人(Extraction?of?salient?contours?from?cluttered?scenes)在非經典感受野抑制模型中，加入共線易化特性，采用曲率判別標準來確定易化作用的大小，使得輪廓點上的輸出更大。

但是上述非經典感受野模型對夜視圖像的輪廓檢測效果不佳，如圖2所示。相對于高質量的可見光圖像，微光圖像噪聲干擾嚴重，輪廓局部空間頻率不突出；紅外圖像輪廓模糊，局部對比度不顯著。一方面高噪聲、低對比度導致夜視圖像輪廓提取不準確、背景紋理無法抑制。另一方面抑制作用削弱輪廓強度，輪廓受到周邊背景紋理的抑制，容易出現斷裂，影響后續的目標識別。

發明內容

為解決夜視圖像環境抑制不準確的問題，本發明在nCRF抑制模型基礎上，引入多特征分析，針對夜視圖像多維特征差異對比度對抑制作用加權，以提高環境抑制的準確率，實現更徹底的背景紋理、噪聲抑制；為解決輪廓斷裂的問題，本發明在nCRF抑制模型基礎上，引入具有輪廓編組功能的易化機制，使弱輪廓得以增強、間裂輪廓得以連接，從而可以保持夜視圖像輪廓的完整性，以提高目標檢測的性能。

實現本發明目的的技術解決方案為：一種基于非經典感受野復合調制的夜視圖像顯著輪廓提取方法，根據一種非經典感受野復合調制模型構建多尺度迭代注意方法，在迭代過程中動態變化非經典感受野復合調制的尺度因子，計算出輸入的夜視圖像的復合調制結果；在每步迭代過程中，針對輸入圖像中各像素點，首先采用多維特征對比度MFC加權抑制模型計算各像素點的抑制結果，然后基于編組興奮投票GEV易化模型計算各像素點的易化結果，最終獲得非經典感受野復合調制輸出。

具體實現步驟如下：

步驟1，輸入夜視圖像，夜視圖像為微光圖像或紅外圖像；

步驟2，設置迭代過程的非經典感受野復合調制模型參數：響應方位數???????????????????????????????????????????????，長寬比，空間頻率帶寬，非經典感受野nCRF和經典感受野CRF區域半徑比，特征空間歐式距離權重，MFC權值隨多特征對比度的衰減度，像素點偏好方位誤差，曲率和弧長調節系數，復合調制系數，，，迭代次數上限，高斯標準差迭代初值，高斯標準差的迭代步長；根據【1】及上述參數計算CRF和nCRF區域圓形半徑和；

?????????????????????????????????????????????????????????????【1】

步驟3，逐行掃描各個像素點，計算各像素點的個方向上的Gabor能量，；由【2】計算nCRF區域內的距離加權函數；

???????????????????????【2】

步驟4，針對微光圖像高噪聲、紅外圖像模糊的特點，結合空間頻率、對比度、同質共生特性和相關共生特性構建特征向量：