基于视觉颜色拮抗特性的轮廓检测模型-神经信息教育部重点实验室.PDF

CVPR 2013 视觉机制、模型与图像分析 基于视觉颜色拮抗特性的轮廓检测模型* 杨开富，高绍兵，李永杰 电子科技大学生命科学与技术学院，神经信息教育部重点实验室，邮编：610054 摘要: 颜色信息在视觉系统感知任务中扮演着重要角色。实验研究显示早期视觉系统的颜色 拮抗感受野机制在多种视觉感知任务（如边界检测）中具有重要意义。本文中，我们提出一 种基于视觉系统颜色拮抗机制的计算模型，用于检测自然图像中的边界信息。通过模拟早期 视觉系统（视网膜、外侧膝状体和初级视皮层）中的红-绿、蓝-黄颜色拮抗通道的信息处理 机制，我们提出一个简单的前馈模型。实验结果显示，该模型能够有效地同时检测复杂场景 中的彩色边界和亮度边界。此外，我们模型的计算效率远远高于目前主流的彩色边界检测算 法。 关键词：颜色拮抗；彩色边界；视觉信息处理；感受野；自然图像 1 引言 轮廓检测为高级的计算机视觉任务（如基于形状的目标识别等）奠定重要基础。颜色信 息对于视觉系统感知和理解视觉场景具有重要意义。工程应用中，颜色信息在彩色图像的边 界检测，图像分割等基本图像处理任务中是必不可少的[1]。 为了检测彩色图像中的目标轮廓，早期的研究主要集中于将传统边缘检测算子（例如 Canny[2]，Sobel 等）扩展到彩色空间。然而，这些方法不能有效地区分场景中的纹理边缘 和主体目标的轮廓。近年来，研究者们提出了许多新的方法用于检测复杂场景中的边界信息。 例如，Martin 等[3]基于多种局部线索（如亮度，颜色和纹理）提取信息，并通过一个有监 督学习方法整合多种线索下检测到的边界。进一步的研究中，基于学习的方法主要通过引入 多尺度信息[4]，更多的局部特征[5]，或是全局信息[6]来提高边界检测效果。然而基于学习 的方法过于依赖训练集，即这些方法不能在每幅图像上取得最优结果；同时学习过程增加了 算法执行的计算成本。此外，一些非学习的边界检测（图像分割）算法也取得了较好的结果， 例如[7-9] 。 近年来，一些基于视觉机制的轮廓检测方法在灰度图像处理领域取得了较好的效果。因 此，我们希望建立一个基于视觉颜色信息处理机制的算法来提取彩色图像边界。最近，Zhang 等[10]提出一种基于颜色拮抗机制的颜色信息描述子，该算子能够有效提高目标识别和边界 检测等系统的性能。另外一些方法也引入颜色拮抗的信息处理方式来提高算法性能。Martin *本课题受国家自然科学基金（No.）、973 项目（No . 2013CB329401 ）、电 子科技大学优博学术支持计划（No . YBXSZ）资助。 第一作者：杨开富，男，生物医学工程专业2012 级博士研究生，主要从事基于视觉机制的计算模型与应用 研究。 通讯作者：李永杰，男，博士，教授，博士生导师，主要从事基于视觉机制的计算模型与应用、智能计算 等方面的研究。Email:liyj@uestc.edu.cn, 联系电话：028 第 1 页，共 9 页 CVPR 2013 图1 视网膜/LGN 细胞的单拮抗感受野结构：I-型单拮抗细胞（a ），II-型单拮抗细胞（b ）， 以及V1 区双拮抗细胞感受野：视锥输入权重相等（c ），视锥输入权重不相等（d ）。改绘自 [15,16] Figure 1. The receptive field of single-opponent cells of Type I (a) and Type II (b) in LGN (lateral geniculate nucleus), and oriented double-opponent cells in V1 with balanced cone-input weightings (c) and unbalanced cone-input weightings (d). Adapted from [15, 16] 等[3]在红-绿和蓝-黄拮抗通道计算局部图像梯度来检测彩色边界。但是，这些基于颜色拮抗 的方法只能检测颜色定义的边界，而对亮度定义的边界不敏感。因此，为了提取彩色图像中 的边界信息（自然图像通常包含亮度边界和颜色