视网膜功能启发的边缘检测层级模型

基于视网膜对视觉信息的处理方式,提出一种视网膜功能启发的边缘检测层级模型.针对视网膜神经元在周期性光刺激下产生适应的特性,构建具有自适应阈值的Izhikevich神经元模型;模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力,构建亮度感知编码层;引入双极细胞对给光-撤光刺激的分离能力,并结合神经节细胞对运动方向敏感的特性,构建双通路边缘提取层;另外根据神经节细胞神经元在多特征调控下延迟激活的现象,构建具有脉冲延时特性的纹理抑制层;最后将双通路边缘提取的结果与延时抑制量相融合,得到最终边缘检测结果.以150张来自实验室采集和AGAR数据集中的菌落图像为实验对象对所提方法进行验证,检测结果的重建图像相似度、边缘置信度、边缘连续性和综合指标分别达到0.9629、0.3111、0.9159和0.7870,表明所提方法能更有效地进行边缘定位、抑制冗余纹理、保持主体边缘完整性.本文面向边缘检测任务,构建了模拟视网膜对视觉信息处理方式的边缘检测模型,也为后续构建由视觉机制启发的图像计算模型提供了新思路.