買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利一種基于視覺計算多元連接模型的顯著性輪廓感知方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114140482B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111301432.2，技術領域涉及：G06T7/13；該發明授權一種基于視覺計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;武薇設計研發完成，并于2021-11-04向國家知識產權局提交的專利申請。

本一種基于視覺計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：本發明公開了一種基于視覺計算多元連接模型的顯著性輪廓感知方法，構建具有多元連接特性的視覺計算模型。在LGN前饋連接上，模擬LGN神經元稀疏編碼特性，并加入權重因子，實現紋理初步抑制，獲得輪廓的初級感知結果；在初級視皮層水平連接上，模擬初級視皮層風車樣結構感受野，基于神經元間距離與最佳朝向夾角，調節中心神經元的放電強弱；在高級視皮層反饋連接上，模擬高級視皮層的色調感知特性，構建包含環繞抑制的三通道色調感知模型，獲得高級視皮層對圖像目標或結構的響應。本發明通過多元連接特性的視覺計算模型的構建，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。

本發明授權一種基于視覺計算多元連接模型的顯著性輪廓感知方法在權利要求書中公布了：1.一種基于視覺計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，構建基于感受野統計特性的稀疏度量模型，獲得經LGN作用后的稀疏性輪廓具體為： 構建一個二維神經元陣列NeuronsLGN，陣列NeuronsLGN的行列數與外界輸入圖像I相同，行列數分別記為M，N，上標LGN表示在LGN前饋連接上的模擬，下同；其中陣列NeuronsLGN中行列坐標為i,j的單個神經元模型如式1所示； 式中，τ表示神經元的膜電位常數，為陣列NeuronsLGN中的全局參數，即陣列NeuronsLGN中所有神經元模型的τ值均相同；表示位于陣列NeuronsLGN中行列坐標為i,j的神經元膜電位；Iij表示外界輸入圖像I中行列坐標為i,j的像素灰度值； 歸一化后的初級稀疏性輪廓響應取值采用首脈沖觸發時間編碼策略，如式2～4所示； 式中，vspike表示神經元放電的閾值電壓；表示位于陣列NeuronsLGN中行列坐標為i,j的神經元的首次放電時間；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； 為改善神經元對輪廓信息與紋理噪聲的處理能力，在傳統稀疏度量sparij的基礎上，考慮在感受野窗口中的統計特性，其中方差項起到區分輪廓與背景的作用，均值項μij起到平衡畫面亮暗程度的作用；同時結合稀疏度量閾值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中以行列坐標為i,j神經元為中心的區域，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； 綜合考慮歸一化后的初級稀疏性輪廓響應與稀疏度量sparsityij的共同作用，得到經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，構建融合風車結構感受野的側向調節模型，獲得經初級視皮層側向調節作用后的輪廓 步驟2.1采用二維Gabor函數模擬初級視皮層經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；具體為： 輪廓朝向響應的計算如式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，下同；K表示濾波器朝向的總數；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車樣功能構筑，即風車結構感受野內部的水平調制作用與神經元間距離和最優響應方向夾角有關，因此在初級視皮層水平連接上，構建融合風車結構感受野的側向調節模型； 首先定義風車結構感受野窗口半窗長為σ，下標ij表示中心神經元的行列坐標為i,j，上標HC表示在初級視皮層水平連接上的模擬；周圍神經元的行列坐標為i′,j′，定義中心和周圍神經元之間的距離如式10所示； 然后定義為中心和周圍神經元的連線方向，為周圍神經元的最佳朝向方位；計算中心和周圍神經元的最優響應方向夾角，當或時，周圍神經元將對中心神經元起到增強作用，增強作用系數ωEi′,j′如式11所示； 式中，表示衰減速率； 當或時，周圍神經元將對中心神經元起到抑制作用，抑制作用系數ωIi′,j′如式12所示； 最后綜合感受野窗口內的所有周圍神經元作用，計算中心神經元受到的總增強作用ΔEij和總抑制作用ΔIij，如式13所示； 計算經初級視皮層側向調節作用后的輪廓如式14所示； 式中，δ表示神經元相互作用強度系數，用來調節控制的數值在3～5之間，表示輪廓朝向響應； 步驟3、在高級視皮層反饋連接上，構建包含環繞抑制的三通道高級視皮層色調感知模型，獲得經高級視皮層色調感知作用后的輪廓 定義雙拮抗感受野窗口對應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ij表示中心神經元的行列坐標為i,j，上標G表示在高級視皮層反饋連接上的模擬；假設周圍神經元的行列坐標為p,q； 步驟3.1模擬高級視皮層色調感知功能，構建雙拮抗感受野模型； 計算顏色拮抗通道神經元競爭系數和上標rg表示r+g-支路情形，上標gr表示g+r-支路情形，上標by表示b+y-支路情形，上標yb表示y+b-支路情形，下同； 考慮到視皮層經典感受野與非經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；對于行列坐標為p,q的周圍神經元，高斯差分函數DoGpq的計算如式15所示； 以r+g-支路為例，競爭系數的計算如式16所示； 式中，符號[a]+表示取0和a的最大值；Rpq、Gpq分別表示周圍神經元所對應的紅色和綠色分量輸入；A1表示衰減系數； 修改式16中周圍神經元所對應的顏色分量輸入，可計算g+r-支路、b+y-支路和y+b-支路的神經元競爭系數和 步驟3.2計算亮度開、關通道神經元競爭系數和 亮度開通道負責增強亮度高于周圍區域的信息，而亮度關通道負責增強亮度低于周圍區域的信息；以神經元競爭系數計算為例，上標on表示亮度開通道情形，如式17所示； 調整式15中雙拮抗感受野窗口對應的抑制性和興奮性半窗σI、σE，得到亮度閉通道對應的高斯差分函數DoG，繼而通過式17可得神經元競爭系數上標off表示亮度閉通道情形； 步驟3.3模擬視皮層奇、偶通道結構，應用多通道濾波的局部能量模型對顏色拮抗通道信息進行整合，得到簡單細胞活性和 對于r+g-支路神經元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元活性相結合，得到奇分量簡單細胞活性和偶分量簡單細胞活性如式19所示； 式中，表示相位參數，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元的奇、偶分量；A2表示模型系數； 修改式19中相應的神經元競爭系數，可計算g+r-、b+y-和y+b-支路的奇、偶分量簡單細胞活性和 步驟3.4通過亮度開、關通道融合，計算亮度通道簡單細胞活性和上標L表示亮度通道情形，如式20所示； 步驟3.5采用兩層復雜細胞網絡模擬高級視皮層作用，處理來自簡單細胞的輸入信息，得到經高級視皮層色調感知作用后的輪廓 第一層復雜細胞網絡負責融合顏色拮抗通道和亮度通道的十組簡單細胞響應統一各通路提取的輪廓特征，如式21所示； 第二層復雜細胞網絡采用環繞抑制方法，通過神經元間的競爭作用達到紋理抑制效果，如式22所示； 式中，A3表示模型系數，表示抑制常數； 步驟4、構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和傳遞過程，構建圖像輪廓初級響應模型，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，模擬其在生物視神經環路中的作用強度，τ表示神經元的膜電位常數； 圖像輪廓初級響應Vtij的取值采用首脈沖觸發時間編碼策略，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Vtij與高級視皮層響應進行整合，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。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。