轮廓是视觉注意目标与干扰背景之间的分割边界,一方面它能够对待识别目标的几何外形进行精简且充分的有效描述,这对于提高后续图像分析和理解的效率和准确性具有重要的意义;另一方面轮廓感知是生物视觉系统在与外界环境交互时的关键能力,这对于视觉机制的理解和应用是一个较好的切入点,因此轮廓检测是视觉感知领域的研究热点之一。传统轮廓检测方法主要是基于例如梯度运算之类的数学模型,它们只是简单地利用轮廓与背景在灰度或颜色上的变化,并没有考虑到生物视觉在目标识别中的内在机制,因此对于背景纹理干扰严重的情形,有效目标的识别将变得不可行,此时轮廓检测的性能将急剧下降。随着神经实验手段和计算能力的改善,目前也有一些基于视觉机制的轮廓检测方法被陆续提出,但多数只是一种神经网络性质的黑箱模拟,它们更关心当前激励与响应之间的匹配,而忽视了视觉信息流在视通路中传递和处理的机理。因此本文围绕着视通路层次结构、感受野特性以及神经编码等重要视觉感知机制及其应用展开研究工作,首先对初级视皮层细胞感受野特性进行了模拟,并对视觉信息流的高低频分量分别采取了冗余和稀疏编码,在考虑神经元脉冲传递时的抑制与前馈作用时,还充分利用了经典和非经典感受野响应的差异性。然后考虑视通路的方位敏感特性,提出并实现了神经元感受野非对称方位敏感特性在轮廓检测中的应用;最后研究了感受野尺度对图像显著信息表征的影响,构建一种基于感受野多尺度的显著性特征融合机制,利用尺度变化来实现轮廓整体和细节的分级提取。本文的主要研究工作及成果如下:(1)基于视通路中视觉信息传递和处理机制,提出了一种基于频域融合编码与前馈机制的图像轮廓检测新方法。对传入的视觉信息进行NSCT频域分解,高频信号采用冗余编码的方式强化其轮廓信息,低频信号采用稀疏编码方式提取有效轮廓信息,再对上述轮廓信息进行融合;利用高斯导函数模拟初级视皮层感受野特性,引入经典和非经典感受野响应的差异特性实现抑制作用与前馈调节作用,实现图像轮廓的提取。选取Ru G图像库的自然图像为检测对象,计算检测结果与基准轮廓图的P指标,结果表明,新方法不仅能够有效提取轮廓,而且表现出对背景纹理噪声良好的抑制作用,在整体轮廓检测效果上优势明显。(2)基于视觉感知的多方位敏感特性,提出了一种基于神经元感受野多方位选择机制的图像轮廓检测方法。首先根据初级视皮层的神经元细胞响应特性对图像进行稀疏编码,并对感受野的方位选择机制进行改进,构建具有方向权值占比的响应边界;同时模拟初级视皮层感受野特性,基于非对称方位的敏感性感受野特性对图像进行感受野大小的自适应选择并进行有效方位响应筛选处理获取图像的有效轮廓。经计算综合评价指标P,结果表明,新方法获得的主体轮廓更为完整,背景纹理噪声得到有效抑制,轮廓凸显效果较好。(3)考虑到单一的感受野尺度无法完整体现轮廓的整体与细节特征,提出了一种基于显著信息多尺度融合的轮廓检测方法。首先在图像感受野的非对称方位敏感特性研究基础上,深入探讨其敏感特性在不同感受野尺寸下的显著信息表征特性,构建一种显著信息的融合机制,然后进行前述的NSCT频域分解,再引入改进机制下的初级皮层边界响应及感受野差异特性,完成图像轮廓的检测。实验结果表明,新方法得到的整体轮廓图像更为干净,背景纹理噪声的抑制效果更好,主体轮廓的完整度更高。