買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請的專利一種基于視覺計(jì)算多元連接模型的顯著性輪廓感知方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114140482B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111301432.2，技術(shù)領(lǐng)域涉及：G06T7/13；該發(fā)明授權(quán)一種基于視覺計(jì)算多元連接模型的顯著性輪廓感知方法是由蔡哲飛;范影樂;武薇設(shè)計(jì)研發(fā)完成，并于2021-11-04向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于視覺計(jì)算多元連接模型的顯著性輪廓感知方法在說明書摘要公布了：本發(fā)明公開了一種基于視覺計(jì)算多元連接模型的顯著性輪廓感知方法，構(gòu)建具有多元連接特性的視覺計(jì)算模型。在LGN前饋連接上，模擬LGN神經(jīng)元稀疏編碼特性，并加入權(quán)重因子，實(shí)現(xiàn)紋理初步抑制，獲得輪廓的初級感知結(jié)果；在初級視皮層水平連接上，模擬初級視皮層風(fēng)車樣結(jié)構(gòu)感受野，基于神經(jīng)元間距離與最佳朝向夾角，調(diào)節(jié)中心神經(jīng)元的放電強(qiáng)弱；在高級視皮層反饋連接上，模擬高級視皮層的色調(diào)感知特性，構(gòu)建包含環(huán)繞抑制的三通道色調(diào)感知模型，獲得高級視皮層對圖像目標(biāo)或結(jié)構(gòu)的響應(yīng)。本發(fā)明通過多元連接特性的視覺計(jì)算模型的構(gòu)建，使得所獲取輪廓能夠在抑制紋理噪聲的同時，有效突出主體目標(biāo)。

本發(fā)明授權(quán)一種基于視覺計(jì)算多元連接模型的顯著性輪廓感知方法在權(quán)利要求書中公布了：1.一種基于視覺計(jì)算多元連接模型的顯著性輪廓感知方法，其特征在于，該方法具體包括以下步驟： 步驟1、在LGN前饋連接上，構(gòu)建基于感受野統(tǒng)計(jì)特性的稀疏度量模型，獲得經(jīng)LGN作用后的稀疏性輪廓具體為： 構(gòu)建一個二維神經(jīng)元陣列NeuronsLGN，陣列NeuronsLGN的行列數(shù)與外界輸入圖像I相同，行列數(shù)分別記為M，N，上標(biāo)LGN表示在LGN前饋連接上的模擬，下同；其中陣列NeuronsLGN中行列坐標(biāo)為i,j的單個神經(jīng)元模型如式1所示； 式中，τ表示神經(jīng)元的膜電位常數(shù)，為陣列NeuronsLGN中的全局參數(shù)，即陣列NeuronsLGN中所有神經(jīng)元模型的τ值均相同；表示位于陣列NeuronsLGN中行列坐標(biāo)為i,j的神經(jīng)元膜電位；Iij表示外界輸入圖像I中行列坐標(biāo)為i,j的像素灰度值； 歸一化后的初級稀疏性輪廓響應(yīng)取值采用首脈沖觸發(fā)時間編碼策略，如式2～4所示； 式中，vspike表示神經(jīng)元放電的閾值電壓；表示位于陣列NeuronsLGN中行列坐標(biāo)為i,j的神經(jīng)元的首次放電時間；表示遍歷i,j取陣列中的最大值；表示遍歷i,j取陣列中的最小值； 為改善神經(jīng)元對輪廓信息與紋理噪聲的處理能力，在傳統(tǒng)稀疏度量sparij的基礎(chǔ)上，考慮在感受野窗口中的統(tǒng)計(jì)特性，其中方差項(xiàng)起到區(qū)分輪廓與背景的作用，均值項(xiàng)μij起到平衡畫面亮暗程度的作用；同時結(jié)合稀疏度量閾值threshold，從而獲得新的稀疏度量sparsityij，具體如式5～7所示；定義感受野窗口用來表示以陣列NeuronsLGN中以行列坐標(biāo)為i,j神經(jīng)元為中心的區(qū)域，其中σ表示感受野窗口的半窗長，下同； 式中，表示在感受野窗口的直方圖，n表示的維度，‖·‖p表示p范數(shù)； 綜合考慮歸一化后的初級稀疏性輪廓響應(yīng)與稀疏度量sparsityij的共同作用，得到經(jīng)LGN作用后的稀疏性輪廓如式8所示； 步驟2、在初級視皮層水平連接上，構(gòu)建融合風(fēng)車結(jié)構(gòu)感受野的側(cè)向調(diào)節(jié)模型，獲得經(jīng)初級視皮層側(cè)向調(diào)節(jié)作用后的輪廓 步驟2.1采用二維Gabor函數(shù)模擬初級視皮層經(jīng)典感受野的朝向選擇特性，并遍歷K個濾波器朝向θk，選取eijθk的最大值作為輪廓朝向響應(yīng)；具體為： 輪廓朝向響應(yīng)的計(jì)算如式9所示； 式中，ε表示空間壓縮比，用來控制濾波器的縱橫比，取值在0.23到0.92范圍內(nèi)，下同；K表示濾波器朝向的總數(shù)；maxeijθk表示遍歷K個濾波器朝向θk，獲取eijθk的最大值； 步驟2.2考慮到初級視皮層具有風(fēng)車樣功能構(gòu)筑，即風(fēng)車結(jié)構(gòu)感受野內(nèi)部的水平調(diào)制作用與神經(jīng)元間距離和最優(yōu)響應(yīng)方向夾角有關(guān)，因此在初級視皮層水平連接上，構(gòu)建融合風(fēng)車結(jié)構(gòu)感受野的側(cè)向調(diào)節(jié)模型； 首先定義風(fēng)車結(jié)構(gòu)感受野窗口半窗長為σ，下標(biāo)ij表示中心神經(jīng)元的行列坐標(biāo)為i,j，上標(biāo)HC表示在初級視皮層水平連接上的模擬；周圍神經(jīng)元的行列坐標(biāo)為i′,j′，定義中心和周圍神經(jīng)元之間的距離如式10所示； 然后定義為中心和周圍神經(jīng)元的連線方向，為周圍神經(jīng)元的最佳朝向方位；計(jì)算中心和周圍神經(jīng)元的最優(yōu)響應(yīng)方向夾角，當(dāng)或時，周圍神經(jīng)元將對中心神經(jīng)元起到增強(qiáng)作用，增強(qiáng)作用系數(shù)ωEi′,j′如式11所示； 式中，表示衰減速率； 當(dāng)或時，周圍神經(jīng)元將對中心神經(jīng)元起到抑制作用，抑制作用系數(shù)ωIi′,j′如式12所示； 最后綜合感受野窗口內(nèi)的所有周圍神經(jīng)元作用，計(jì)算中心神經(jīng)元受到的總增強(qiáng)作用ΔEij和總抑制作用ΔIij，如式13所示； 計(jì)算經(jīng)初級視皮層側(cè)向調(diào)節(jié)作用后的輪廓如式14所示； 式中，δ表示神經(jīng)元相互作用強(qiáng)度系數(shù)，用來調(diào)節(jié)控制的數(shù)值在3～5之間，表示輪廓朝向響應(yīng)； 步驟3、在高級視皮層反饋連接上，構(gòu)建包含環(huán)繞抑制的三通道高級視皮層色調(diào)感知模型，獲得經(jīng)高級視皮層色調(diào)感知作用后的輪廓 定義雙拮抗感受野窗口對應(yīng)的抑制性和興奮性半窗長分別為σI和σE，對于r+g-、b+y-支路以及亮度開通道情形，σI＝2σ，σE＝σ；對于g+r-、y+b-支路以及亮度閉通道情形，σI＝σ，σE＝2σ；下標(biāo)ij表示中心神經(jīng)元的行列坐標(biāo)為i,j，上標(biāo)G表示在高級視皮層反饋連接上的模擬；假設(shè)周圍神經(jīng)元的行列坐標(biāo)為p,q； 步驟3.1模擬高級視皮層色調(diào)感知功能，構(gòu)建雙拮抗感受野模型； 計(jì)算顏色拮抗通道神經(jīng)元競爭系數(shù)和上標(biāo)rg表示r+g-支路情形，上標(biāo)gr表示g+r-支路情形，上標(biāo)by表示b+y-支路情形，上標(biāo)yb表示y+b-支路情形，下同； 考慮到視皮層經(jīng)典感受野與非經(jīng)典感受野的相互作用，在雙拮抗感受野模型中融入高斯差分函數(shù)；對于行列坐標(biāo)為p,q的周圍神經(jīng)元，高斯差分函數(shù)DoGpq的計(jì)算如式15所示； 以r+g-支路為例，競爭系數(shù)的計(jì)算如式16所示； 式中，符號[a]+表示取0和a的最大值；Rpq、Gpq分別表示周圍神經(jīng)元所對應(yīng)的紅色和綠色分量輸入；A1表示衰減系數(shù)； 修改式16中周圍神經(jīng)元所對應(yīng)的顏色分量輸入，可計(jì)算g+r-支路、b+y-支路和y+b-支路的神經(jīng)元競爭系數(shù)和 步驟3.2計(jì)算亮度開、關(guān)通道神經(jīng)元競爭系數(shù)和 亮度開通道負(fù)責(zé)增強(qiáng)亮度高于周圍區(qū)域的信息，而亮度關(guān)通道負(fù)責(zé)增強(qiáng)亮度低于周圍區(qū)域的信息；以神經(jīng)元競爭系數(shù)計(jì)算為例，上標(biāo)on表示亮度開通道情形，如式17所示； 調(diào)整式15中雙拮抗感受野窗口對應(yīng)的抑制性和興奮性半窗σI、σE，得到亮度閉通道對應(yīng)的高斯差分函數(shù)DoG，繼而通過式17可得神經(jīng)元競爭系數(shù)上標(biāo)off表示亮度閉通道情形； 步驟3.3模擬視皮層奇、偶通道結(jié)構(gòu)，應(yīng)用多通道濾波的局部能量模型對顏色拮抗通道信息進(jìn)行整合，得到簡單細(xì)胞活性和 對于r+g-支路神經(jīng)元i,j，采用式18所示二維Gabor濾波器對輸入信息濾波，將通過濾波器得到的信息與各通道神經(jīng)元活性相結(jié)合，得到奇分量簡單細(xì)胞活性和偶分量簡單細(xì)胞活性如式19所示； 式中，表示相位參數(shù)，奇對稱濾波器或π2，偶對稱濾波器或π； 分別表示雙拮抗感受野窗口周圍神經(jīng)元的奇、偶分量；A2表示模型系數(shù)； 修改式19中相應(yīng)的神經(jīng)元競爭系數(shù)，可計(jì)算g+r-、b+y-和y+b-支路的奇、偶分量簡單細(xì)胞活性和 步驟3.4通過亮度開、關(guān)通道融合，計(jì)算亮度通道簡單細(xì)胞活性和上標(biāo)L表示亮度通道情形，如式20所示； 步驟3.5采用兩層復(fù)雜細(xì)胞網(wǎng)絡(luò)模擬高級視皮層作用，處理來自簡單細(xì)胞的輸入信息，得到經(jīng)高級視皮層色調(diào)感知作用后的輪廓 第一層復(fù)雜細(xì)胞網(wǎng)絡(luò)負(fù)責(zé)融合顏色拮抗通道和亮度通道的十組簡單細(xì)胞響應(yīng)統(tǒng)一各通路提取的輪廓特征，如式21所示； 第二層復(fù)雜細(xì)胞網(wǎng)絡(luò)采用環(huán)繞抑制方法，通過神經(jīng)元間的競爭作用達(dá)到紋理抑制效果，如式22所示； 式中，A3表示模型系數(shù)，表示抑制常數(shù)； 步驟4、構(gòu)建模擬視皮層多元連接的輪廓感知模型，獲得最終顯著性輪廓Eij； 模擬LGN、初級視皮層以及高級視皮層對視覺激勵信號的響應(yīng)和傳遞過程，構(gòu)建圖像輪廓初級響應(yīng)模型，如式23所示； 式中，α、β和γ分別表示前饋、反饋和水平連接系數(shù)，模擬其在生物視神經(jīng)環(huán)路中的作用強(qiáng)度，τ表示神經(jīng)元的膜電位常數(shù)； 圖像輪廓初級響應(yīng)Vtij的取值采用首脈沖觸發(fā)時間編碼策略，為了更好地修正背景輪廓和紋理噪聲，將圖像輪廓初級響應(yīng)Vtij與高級視皮層響應(yīng)進(jìn)行整合，得到最終顯著性輪廓圖Eij，如式24所示； 式中，A、B分別表示整合系數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號大街；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。