轮廓是图像的基本特征之一。一幅图像的轮廓为进一步的图像分析以及解释任务如分割、目标描述等提供了有用信息,所以轮廓提取在数字图像处理、计算机视觉中占据重要地位。由于图像信息中存在大量的噪声和复杂的背景等干扰信息,有效地对目标的轮廓边缘提取成为一个难题。本文首先介绍了一些传统的边缘检测方法,因为其不对目标轮廓和纹理边缘进行区分,所以藉此得到的结果难以满足要求。因此,考虑在轮廓检测方法中引入视觉处理机制,很多研究表明,人类的视觉系统可以区分目标轮廓和纹理边缘,可以抑制纹理边缘得到目标整体轮廓,所以引入视觉机制不但有效地提高了轮廓检测效果,而且可以更好地拟合人类的视觉特点。基于视觉机制的轮廓检测方法在近年来受到了广泛的重视和应用。本文围绕上述问题提出了一种基于相位一致性的图像轮廓提取模型,其思路是:首先,利用Peter Kovesi提出的相位一致性算法(phase congruency)来提取图像的各种特征,如阶跃边缘、线边缘及融合两者特征的边缘等。相位的一致性是对图像的低级处理过程,符合人类视觉机制,提取图像的频率特性,以及不受图像对比度变化的影响,所以它可以在亮度改变的情况下获得完整的图像特征,因此对图像获得的低级可靠结果可保证高级处理的顺利进行。其次,利用N. Petkov等人提出的外周抑制来抑制纹理边缘,最终达到保留足够多的主体轮廓、尽量少的纹理边缘。最后,我们的模型在处理整个图像库40幅图像所得结果与其他模型进行量、质比较,以及比较各模型处理被Gauss噪声污染后的自然图像的结果时,得出我们的模型在纹理抑制,保留低对比度轮廓,消除噪声及对标准轮廓图的鲁棒性能上更好。