论文部分内容阅读
图像的大部分信息都是从图像边缘感知的,人们观察一幅图像时首先认识到的是图像中物体的形状也就是边缘信息。边缘包含着图像中多种有用的信息,它是图像最基本的特征。边缘检测有着非常重要的意义,它已经被广泛地应用在图像分割、模式识别等图像分析领域。在图像特征提取的过程中往往会产生噪声,为了保证提取图像边缘的准确性,我们需要去除噪声并研究出好的边缘检测技术。边缘和轮廓不同,轮廓是从图像中提取主体目标轮廓特征,而那些背景边缘不是轮廓。传统的边缘检测方法虽然速度快、容易实现,但是并没有考虑上下文、中层甚至更高层信息,它们不能区分图像中的主体轮廓边缘和背景边缘。因此,有效的提取图像中物体轮廓显得非常困难。然而,人类视觉特征具有提取物体轮廓、区别颜色、形状感知、朝向感知等作用,在轮廓检测中发挥着非常重要的作用。本文主要研究了两种基于视觉信息处理机制的轮廓检测方法,并通过实验分别对它们进行性能分析。本文第一个研究的主要内容是基于颜色拮抗感受野的轮廓检测方法(CRFM模型)。依据视觉信息处理过程,通过模拟视网膜神经节细胞和外侧膝状体细胞的单拮抗感受野特性,得出视网膜和外侧膝状体细胞感受野的响应。根据初级视皮层细胞的双拮抗感受野特性,提出了一种新的方法模拟其特性进行轮廓检测。该模型与其他基于视觉机制的轮廓检测方法相比,同样可以得到较好的轮廓检测效果,而且有较高的效率,具有更强的实用性。本文第二个研究的主要内容是基于颜色拮抗和整合野的轮廓检测方法(CCM模型)。该模型在CORF模型的基础上,将颜色拮抗感受野特性和初级视皮层整合野特性相结合提出轮廓检测方法。该方法首先提取颜色拮抗信息,然后利用整合野特性模拟简单细胞感受野的响应。通过实验对比,该方法得到图像轮廓更完整,更平滑,可以更有效地提取图像中物体的轮廓。综上所述,本文构建了两种与人类视觉机制相一致的轮廓检测模型——CRFM模型和CCM模型,它们不仅可以更加有效地提取图像中的目标轮廓,而且可以拟合人类视觉特征。本文研究工作为将来进一步理解视觉原理提供了帮助,同时在图像处理分析和计算机视觉领域的实际工程应用中也有着重要的作用。