1.一种基于改进非经典感受野的仿生轮廓检测方法，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；

B、预设包含多个方向参数的Gabor滤波函数，对待检测图像中的各个像素点分别利用Gabor滤波函数进行Gabor能量计算，获得各个像素点的各个方向下的Gabor能量值；对于各个像素点，选取其各个方向的Gabor能量值中的最大值，作为该像素点的经典感受野刺激响应，该最大值对应的方向作为该像素点的最优方向；

C、构建抑制核函数，通过抑制核函数构建距离权重函数；将各个像素点的经典感受野刺激响应与该像素点的距离权重函数进行卷积得到该像素点的抑制响应；

所述的抑制核函数log(x,y；ε,σw)为：其中 为像素点(x,y)的最优方向，ε＝0.1，σw为抑制核尺度；

D、将各个像素点的经典感受野刺激响应减去该像素点的抑制响应与预设的抑制强度的乘积，得到该像素点的轮廓响应，对轮廓响应使用非极大值抑制和双阈值处理，得到各个像素点的最终轮廓值。

2.如权利要求1所述的基于改进非经典感受野的仿生轮廓检测方法，其特征在于：所述的步骤B具体如下：

所述的Gabor滤波函数的表达式如下：其中 γ为一个表示椭圆形感受野长短轴比例的常数，参数λ为波长，σ为尺度，1/λ为余弦函数的空间频率， 是相角参数，θ为Gabor滤波的方向参数；

Gabor能量值计算如下：

其中

其中θi为Gabor滤波的某一方向参数，Nθ为Gabor滤波的方向参数的个数；I(x,y)为待检测图像，*为卷积运算符；

经典感受野刺激响应Ec(x,y)的表达式如下：

3.如权利要求2所述的基于改进非经典感受野的仿生轮廓检测方法，其特征在于：所述的步骤C具体为：

所述的距离权重函数wσ(x,y；ε,σw)为：其中，

其中||·||1为(L1)范数，H(x)＝max(0,x)；

各个像素点的抑制响应Inh(x,y)为：Inh(x,y)＝Ec(x,y)*wσ(x,y；ε,σw)  (8)。

4.如权利要求3所述的基于改进非经典感受野的仿生轮廓检测方法，其特征在于：所述的步骤D具体为：

所述的轮廓响应R(x,y)为：

R(x,y)＝H(Ec(x,y)-αInh(x,y))  (9)；

其中H(x)＝max(0,x)，α为抑制强度。