1.一种基于非经典感受野非线性亚单元响应的轮廓检测方法，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，预设抑制系数，预设以滤波模板中心(2)为起点的均分180°圆心角的多个方向，对待检测图像中的各像素点的灰度值分别按照各方向进行二维高斯一阶导函数滤波，获得各像素点的各方向的响应值；对于各像素点，选取其各方向的响应值中的最大值，作为该像素点的最优响应，该最优响应对应的方向为该像素点的最优方向；

B、预设高斯差分函数并对该函数进行归一化处理，得到归一化的高斯差分滤波函数及相应的模板范围；对于各个像素点，采用归一化的高斯差分滤波函数分别对以当前像素点为模板中心的模板范围内的各个像素点进行滤波，得到各个像素点的模板范围内的各像素点的归一化的高斯差分滤波响应；

C、对于各个像素点：预设周边区域边界值，将模板范围内的归一化的高斯差分滤波响应大于周边区域边界值的像素点作为周边区域集合，获得周边区域(1)以及周边区域所包含的像素点数量；以滤波模板中心(2)作为圆心，周边区域(1)的外圆作为外圆，构建中心-周边区域集合，将中心-周边区域集合除去周边区域集合中的像素点，得到中心区域集合，获得中心区域(3)；将中心区域集合各像素点的最优响应、最优方向求平均值，分别得到中心区域(3)的平均响应和平均方向，作为中心区域(3)的平均响应向量；

D、对于各个像素点：预设类别的数量，构建周边区域(1)的聚类特征向量，所述的周边区域(1)的聚类特征向量的构成元素为周边区域集合中各像素点的最优响应和最优方向；

对周边区域(1)的聚类特征向量进行聚类分析，得到预设数量的各个类，每个类中包含该类的聚类中心和该类中的元素数量；

E、对于各个像素点：将中心区域(3)的平均响应向量分别与各个类的聚类中心相减后求L2范数，得到的结果乘以该类聚类中心所对应的类中的元素数量后再除以周边区域的元素数量，从而得到各个类的像素点与中心区域(3)的差异值，将各个类的像素点与中心区域(3)的差异值相加进行求和，得到该像素点的中心-周边差异值；

将各个像素点的中心-周边差异值进行归一化得到各个像素点的归一化中心-周边差异值，用1与各个像素点的归一化中心-周边差异值相减得到各个像素点的抑制权重，将各个像素点的最优响应减去该像素点对应的抑制权重与抑制系数的乘积，即得到各个像素点的抑制后响应；

F、对各像素点的抑制后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所述的基于非经典感受野非线性亚单元响应的轮廓检测方法，其特征在于：所述的步骤A的二维高斯一阶导函数如下：

其中

θ为方向参数，θ∈(0,π]；σ为尺度，λ为感受野的椭圆长短轴比例常数，(x',y')为待检测图像中各像素点的坐标；

像素点(x',y')的响应为：

其中θi为方向参数， Nθ为方向参数的数量；I(x',y')为像素点(x',y')的灰度值，*表示卷积计算；

像素点(x',y')的最优响应为:

像素点(x',y')的最优角度为:

θmax(x',y')＝argE(x',y')  (5)；

其中arg为提取角度的函数。

3.如权利要求2所述的基于非经典感受野非线性亚单元响应的轮廓检测方法，其特征在于：步骤B所述的归一化的高斯差分滤波函数ω(x,y)为：其中，

||x||1为L1范数，||x||1＝|x1|+|x2|...+|xn|，x1,x2...xn为模板范围内各像素点的H(DoG(x,y))值，H(x)＝max(0,x)，(x,y)为以当前像素点为滤波模板中心的模板范围内的像素点的坐标。

4.如权利要求3所述的基于非经典感受野非线性亚单元响应的轮廓检测方法，其特征在于：步骤C所述的周边区域集合OL为：

OL＝{(x,y)|ω(x,y)>d}(7)；

其中d为周边区域边界值；

中心区域集合的确定方式如下：

(xm,ym)＝{(x,y)|max{x2j+y2j},(xj,yj)∈OL,j＝1,2,...,card(OL)} (8)；

rad＝xm2+ym2   (9)；

LL＝{(x,y)|x2+y2

IL＝{(x,y)|(LL-OL)}    (11)；

其中，(xm,ym)为周边区域集合的外圆的像素点的坐标，rad为周边区域集合的外圆的半径，LL为中心-周边区域集合，IL为中心区域集合，card(OL)为集合OL的元素数量；

像素点(x',y')的中心区域的平均响应和平均方向IF为：IF＝(IFE,IFθ)   (12)；

其中，IFE(x',y')为像素点(x',y')的中心区域的平均响应，IFθ(x',y')为中心区域的平均方向，ilt代表集合IL中的元素，t＝1,2,...,card(IL)，card(IL)为集合IL中的元素数量。

5.如权利要求4所述的基于非经典感受野非线性亚单元响应的轮廓检测方法，其特征在于：步骤D所述的周边区域聚类特征向量OF(x',y')为：OF(x’,y’)＝(OFe(x’,y’),OFθ(x’,y’))    (15)；

其中OFe(x',y')＝E((x',y')+OLp)       (16)；

CFθ(x’,y’)＝θmax((x’,y’)+OLp)       (17)；

其中OLp为OL集合中的元素，p∈{1,2,...,card(OL)}；

聚类分析之后，周边区域聚类中心的集合为CF，为Nk×2的矩阵；Nk为类别的数量。

6.如权利要求5所述的基于非经典感受野非线性亚单元响应的轮廓检测方法，其特征在于：步骤E所述的中心-周边差异值ΔL(x',y')为：其中，CFq为周边区域的聚类中心的集合中的元素，q＝{1,2,...,Nk}；||x||2为L2范数，x1,x2...xn为(IF-CFq)的全部结果；

归一化中心-周边差异值S{ΔL(x',y')}为：其中，ΔL(x',y')max为各像素点的中心-周边差异值的最大值，ΔL(x',y')min为各像素点的中心-周边差异值的最小值；

像素点(x',y')的抑制权重为W(x',y')为：W(x',y')＝1-S{ΔL(x',y')}      (20)；

像素点(x',y')的抑制后响应Eend(x',y')为：Eend(x',y')＝E(x',y')-kW(x',y')  (21)；

其中k为抑制系数。