Efficient Color Boundary Detection with Color-opponent Mechanisms算法学习笔记

这是一篇基于视觉颜色机制的边缘检测论文，原文分中文和英文版
中文版链接：中文版PDF
英文版链接：英文版PDF

项目主页：http://www.neuro.uestc.edu.cn/vccl/projcvpr2013.html

以下是我个人学习该算法后的理解，希望各位看官批评指正！

整个算法可分为以下几步：

---

1、输入一张彩色图像

---

2、 分别提取R-G-B三种颜色信息，并计算Y颜色信息，进行高斯滤波得到

---

3、设置连接权重ω ，通过式（1）得到R+wG和wR+G两种连接权值的的结果 S_rg、S_gr（II层中处理），B-Y两个通道类似，可得到四个中间结果S_rg、S_gr、S_by、S_yb

---

4、III层（Cortex layer）对II层中的结果S_rg、S_gr、S_by、S_yb 进行计算，公式如（6）所示：

其中：S_r-g+=-S_r+g- ，N_r+g-、N_r-g+ 分别表示V1层神经元R-on/G-off 和 R-off/G-on的RF（由公式（3）（4）（5）得到的RF）。



而

---

取分母为16，则θ_i取[0,2π]之间相隔π/8的16个角度，由（6）式会得到16个结果，对应于16（程序中只用到了8个角，0到π）个不同朝向θ_i的滤波器结果，这个D(x,y)是对四个拮抗通道其中之一进行计算的结果，所以，四个通道会得到四组相应的D(x,y)。

---

四组D(x,y)值，通过（8）式，每组取其中的最大值可得到对应于四个通道的四个D(x,y)，并对其进行线性归一化，将四个通道的响应归一化到[0,1]

---

输出四个归一化后的D(x,y)。

---

5、最终的轮廓响应为r(x,y)，如公式（9）所示，r(x,y)是对步骤4中的D(x,y)取最大值的结果。

---

以下是我个人对作者代码的理解

---

流程图如下所示

---

主要函数功能为

---

1、Gaus(sgm)sgm为sigma值，返回一个滤波矩阵

---

2、SingleOpponent( map,opponent,sigma,weights )
参数：opponent为RG或BY两个值之一，分别代表两对拮抗通道
过程：对R、G、B、Y四个通道进行滤波，再计算R’+w*G’、w*R’+G’、B’+w*Y’、w*B’+Y’，分别对应S_rg、S_gr、S_by、S_yb
返回：S_rg、S_gr、S _by、S_yb

---

3、DivGauss2D( sigma,seta )，seta为不通滤波器的朝向，返回一个滤波矩阵

---

4、conByfft( img,tpl )
参数：img为S_rg、S_gr、S_by、S_yb四个其中之一， tpl 为 DivGauss2D( )返回的结果进行归一化
过程：对img进行填充、傅里叶及其逆变换等处理
返回：与img相同大小的矩阵，即为D_rg(θ_i)、D_gr (θ_i )、D_by (θ_i)、D_yb (θ_i)

---

5、OrientedDoubleOpponent( map,opponent,sigma,angles,weights )
过程：调用SingleOpponent()、DivGauss2D()、conByfft()
返回：返回D_rg、D_gr、D_by、D_yb

---

6、resDO( map,sigma,angles,weights )
过程：D_rg、D_gr、D_by、D_yb都是x*y*8（如果angles设为8）的矩阵，即八组D_rg(θ_i)、D_gr (θ_i )、D_by (θ_i)、D_yb (θ_i)取八组D_rg(θ_i)数据中每个 （x , y）点对应的最大值作为新的CB_rg其他三组数据相同，其中CB_rg( : , : )是D_rg中的最大值，而Orients(:,:,1)是D_rg中最大值在矩阵中的位置CB_rg、CB_gr、CB_by 、CB_yb分别代表四个通道得到的边缘矩阵，对每个像素点，取四个通道中的最大边缘值作为 Re ( : , : ) ，取该值在原矩阵中对应的angles值为theta( : , : )。
返回：Re ( : , : )和theta( : , : )矩阵，Re即为初步的边缘矩阵。

---

7、nonmax(im,theta)
参数：im为resDO()的返回值Re进行归一化，theta为resDO()的返回值theta进行角度变换
过程：A点在方向1上有最大边界值a，而在方向1上相邻的两个点B,C也有计算得到的边界值b，但是a小于等于b，这说明A点的边界比B、C点的边界强度低，那么真正的边界应该是在B或C处取得，所以应该令A点处的边界值为0，这样可以保留最合适的边界点。
返回：返回比输入im小一个像素圈大小的边缘矩阵im

---

8、COBoundary(map,sigma,angles,weights)
参数：map为处理的图像，sigma、angles、weights为设置的参数（此算法需要设置的所有参数就是这三个）
过程：调用resDO()、nonmax()，对nonmax()中得到的im进行边缘填充0，得到最终的边界矩阵fb
返回：最终的轮廓矩阵fb

---

最后，我只想说，格式好难调，文中有些格式确实不好看，还请见谅！