1.一种基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于包括以下步骤：A、输入经灰度处理的待检测图像，预设一组依次递增的尺度值，预设多个方向参数的Gabor滤波器组，对待检测图像中的各像素点基于每一个尺度值分别按照各个方向参数进行Gabor滤波，获得每一个像素点的不同尺度值下的各个方向的Gabor滤波值；对于每一个像素点，在其每个尺度值对应的各个方向的Gabor滤波值中选取最大值，作为该像素点在该尺度值下的初始滤波响应，选取每一个像素点的最小尺度值下的初始滤波响应所对应的方向作为该像素点的最优方向；

B、对高斯差分函数进行归一化处理，得到归一化函数，利用归一化函数对每一个像素点的各个尺度值下的初始滤波响应进行滤波，得到每一个像素点的各个尺度值下的抑制响应；将每一个像素点各个尺度值下的初始滤波响应减去其对应尺度值下的抑制响应得到该像素点各个尺度值下的初级轮廓响应；对每一个像素点各个尺度值下的初级轮廓响应进行非极大值抑制和二值化处理，得到该像素点各个尺度值下的二值图点值；基于尺度值对二值图点值进行组合，形成各个尺度值下的二值图；

C、构建各个像素点的击中矩阵，所述的击中矩阵为单行矩阵，击中矩阵中各元素分别与除最小尺度值以外的其他尺度值一一对应；在除最小尺度值外的其余尺度值下的二值图中，对每一个像素点均设置一个邻域；所述的邻域由两个顶角互为对顶角的等腰三角形区域组成，所述的两个等腰三角形基于该像素点最优方向所在直线对称，等腰三角形的顶点为该像素点；所述的各邻域中的各等腰三角形区域的高为该邻域所对应的尺度值与最小尺度值的差值；

对于每一个像素点的各个邻域进行判断，若该邻域所在范围的二值图中存在点值为1的二值图点值，则该像素点的击中矩阵中对应该尺度值的元素置为1；反之，则该像素点的击中矩阵中对应该尺度值的元素置为0；

D、对于每一个像素点：将各尺度值代入正态分布函数，得到该像素点各尺度值的权重函数值；将该像素点击中矩阵中的元素分别与其对应的尺度值的权重函数值相乘，对乘积进行求和得到该像素点的终极轮廓响应；

E、对每一个像素点的终极轮廓响应使用非极大值抑制和二值化处理，得到各像素点的最终轮廓值，进而得到最终轮廓图。

2.如权利要求1所述的基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于：所述的步骤A具体为：

所述的Gabor滤波器组的二维Gabor函数表达式如下：其中 γ为表示感受野椭圆度的常数，参数λ为波长，σi为尺度值，i＝1,2...Nσ，Nσ为尺度值的个数，1/λ为余弦函数的空间频率，是相角参数，θj为Gabor滤波的方向参数， Nθ为Gabor滤波的方向的个数；

所述的各个方向的各个尺度值下的Gabor滤波值 为：Gabor滤波值 计算如下：

其中：

I(x,y)为待检测图像各像素点的灰度值，*为卷积运算符；

所述的初始滤波响应Ec(x,y；σ0)为：

所述的像素点(x,y)的最优方向 为：

3.如权利要求2所述的基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于：所述的步骤B具体为：

所述的归一化函数 为：

其中，

其中，||·||1为(L1)范数，H(x)＝max(0,x)；

各像素点各个尺度值下的抑制响应Inh(x,y；σi)为：像素点各个尺度值下的初级轮廓响应R(x,y；σi)为：R(x,y；σi)＝Ec(x,y；σi)-Inh(x,y；σi)  (8)。

4.如权利要求3所述的基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于：所述的步骤C具体为：

所述的各像素点各个尺度值下的二值图表示为ci(x,y)，其中i＝1,...,Nσ；

所述的各像素点的邻域表示为Dk(x,y)，其中k＝2,...,Nσ；

所述的各邻域的三角形区域的高 为：

所述的各像素点的击中矩阵的元素ck,hit(x,y)为：

5.如权利要求4所述的基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于：所述的步骤D具体为：

各尺度值的正态分布函数f(x)为：

其中η2为正态分布函数方差，μ为正态分布函数期望；

所述的各像素点的终极轮廓响应R(x,y)为：

6.如权利要求1所述的基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于：所述的尺度值范围为1-8,步长为0.4-1。

7.如权利要求1所述的基于初级视皮层多尺度轮廓融合的轮廓检测方法，其特征在于：步骤C中的所述的等腰三角形区域的顶角为45°。