1.一种基于视觉机制暗边缘增强的轮廓检测方法，其特征在于，该方法具体包括以下步骤：步骤1：模拟视网膜暗视野调节机制，对输入图像I(x,y)进行处理，得到暗视野调节响应Irod(x,y)；首先获取图像I(x,y)的亮度通道L(x,y)，计算L(x,y)归一化后的局部亮度平均值Lavg(x,y)；然后利用改进的Sigmoid函数对Lavg(x,y)进行激活约束，计算得到尺度参数σ(x,y)，具体如式(1)～(4)所示；

式中(x,y)表示图像的二维坐标，(xm,yn)表示图像局部窗口Sxy，以(x,y)为中心原点，d为窗长，r＝(d‑1)/2为半径内的坐标位置，m,n∈[1,d]；ω(xm,yn)为Sxy内的余弦权重函数；

为窗口Sxy内的权重总和，mean(·)和max(·)分别表示均值计算和均值集合的最大值计算，∪表示Sxy内的像素集合，×表示乘法运算，下同；以d为步长，计算亮度通道L(x,y)在各Sxy内的均值，取均值的极大值，记为Lmax；

再采用归一化的去中心高斯函数 与Sxy内的I(xm,yn)相乘求和，得到调节因子Wrod(x,y)，将其与输入图像I(x,y)融合得到暗视野调节响应Irod(x,y)，具体如式(5)～(7)所示：其中Imax和Imin分别为I(x,y)的最大值与最小值；

步骤2：根据神经节细胞以及更高级组织细胞的经典感受野的朝向特性，引入二维高斯导函数，计算单尺度条件下的初级轮廓响应E1(x,y)，以及多尺度条件下的全局轮廓信息E2(x,y)；具体实现过程如下：首先计算Irod(x,y)在Nθ个朝向方位下的神经节经典感受野响应ei(x,y；θi,σCRF)，取所有方位的最大值得到初级轮廓响应E1(x,y)，具体如式(8)～(10)所示：E1(x,y)＝max{ei(x,y；θi,σCRF)|i＝1,2,...,Nθ}           (10)式中 |·|表示取绝对值运算，g表示二维高

斯函数，下同；σCRF表示神经节细胞经典感受野的单尺度，γ表示感受野的椭圆率，θi表示经典感受野的第i个朝向，max(·)表示计算最大方位响应，*为卷积运算符，下同；

然后考虑视通路经典感受野的多尺度特性，计算Irod(x,y)在Nσ个尺度下的Nθ个朝向方位响应eij(x,y；θi,σj)，其中θi和σj分别表示经典感受野的第i个朝向和第j个尺度；接着利用主成分分析法对eij(x,y；θi,σj)进行降维处理，提取i×j个成分分量Ps，并取Ps的最大值，得到具有多尺度多朝向特征的全局轮廓信息E2(x,y)，如式(11)和(12)所示：E2(x,y)＝max(Ps|s＝1,2,...,i×j)        (12)s表示成分分量的序号；

步骤3：视觉信息流传递至外膝体时，在非经典感受野的侧抑制作用下，引入神经元的稀疏特性，实现对初级轮廓响应E1(x,y)的背景纹理协同抑制；具体实现过程如下：首先计算初级轮廓响应E1(x,y)的稀疏度sparsity(x,y)和变异系数cv(x,y)，将两者融合后达到刻画强纹理区域的作用，如式(13)～(15)所示：f(x,y)＝sparsity(x,y)×cv(x,y)                (15)2

其中δ(x,y)和μ(x,y)分别表示局部窗口Sxy内E1(x,y)的方差和均值， 表示为局部窗口Sxy内的直方图，n是 的维度，||·||p指p范数，f(x,y)为E1(x,y)强纹理区域的稀疏表达式；

然后采用各向同性抑制方法减弱纹理，如式(16)所示：

+

式中DoG(x,y)表示高斯差函数，经半波整流后得到DoG(x,y)；b(x,y)表示纹理抑制项，由初级轮廓响应E1(x,y)与距离抑制权重 卷积获得；

最后计算得到经纹理抑制后的轮廓信息C(x,y；α)，如式(17)所示：其中α表示对纹理的抑制强度，取值范围为[0,1]，resize表示双线性插值运算；

步骤4：对步骤3的轮廓信息C(x,y；α)进行神经元动态传递编码，并经动态突触Wsynapse传递至初级视皮层V1区，获得输出响应IV1(x,y)；具体实现过程如下：首先利用考虑绝对不应期的LIF漏放电积分模型，对C(x,y；α)进行脉冲频率编码，计算得到脉冲激励响应IFires(x,y)；

然后构建微动信息快速整合模型，抑制弱纹理区域神经脉冲发放，如式(18)和(19)所示：式中 表示微动信息的神经元响应，θi表示由pi和qi所确定的8个微动方向，pi和qi的可能取值对为{(1,0)，(1,1)，(0,1)，(‑1,1)，(‑1,0)，(‑1,‑1)，(0,‑1)，(1,‑1)}，[·]表示向下取整，dx和dy分别代表水平和竖直方向的微动量，默认设置为5个像素大小，Imove(x,y)表示微动信息整合后的脉冲频率响应；

针对神经元间动作电位序列的相互关系，采用适应性动态突触Wsynapse(x,y)将脉冲响应Imove(x,y)传递至V1区，如式(20)和(21)所示：IV1(x,y)＝Imove(x,y)*Wsynapse(x,y)          (21)式中，Wconst表示突触权重常量，默认设置为1，(xc,yc)表示群体感受野中心神经元位置，|Imove(x,y)‑Imove(xc,yc)|表示群体感受野周边神经元与中心神经元的脉冲频率差异，ΔImove表示群体感受野内脉冲频率响应的最大差值，IV1(x,y)表示V1区的响应输出；

步骤5：计算经跨视区前馈融合后的轮廓响应；具体实现过程如下：将步骤2得到的初级轮廓响应E1(x,y)直接前馈至V1区后，与全局轮廓信息E2(x,y)融合后，将步骤4得到的脉冲响应IV1(x,y)进一步融合，从而得到最终轮廓响应，记为SE(x,y)，如式(22)所示：SE(x,y)＝(E1(x,y)+E2(x,y))×IV1(x,y)  (22)。