1.一种基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于包括以下步骤：A、输入待检测图像，进行颜色特征的计算，提取待检测图像中的各颜色分量，并对各颜色分量进行滤波得到颜色分量的滤波响应值；

B、计算各像素点的基于颜色特征的单拮抗响应；

C、计算各像素点的颜色特征轮廓响应值以及颜色特征最优方向；

D、对待检测图像进行灰度处理，进行灰度特征的计算；计算各像素点的灰度特征初始响应值；

E、计算各像素点的灰度特征经典最优响应值及灰度特征最优方向；

F、计算各像素点的灰度特征轮廓响应值；

G、计算各像素点的最终轮廓响应值；

H、计算各像素点的最终轮廓值。

2.如权利要求1所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：具体步骤如下：

A、输入待检测图像，进行颜色特征的计算；将待检测图像中的各像素点的红、绿、蓝分量提取出来，并利用红、绿分量计算出各像素点的黄分量；预设中心二维高斯函数，对于各像素点，采用中心二维高斯函数分别对该像素点的红、绿、蓝、黄分量进行滤波，分别得到该像素点的各颜色分量的滤波响应值；

B、预设颜色拮抗权重，预设红绿、蓝黄两个颜色组合，红绿组合设有红/绿通道、绿/红通道，蓝黄组合设有蓝/黄通道、黄/蓝通道，对于各像素点，通过颜色拮抗权重分别对各通道进行计算拮抗计算，分别得到各像素点的红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道的单拮抗响应；

C、预设包含多个方向参数的的二维高斯一阶偏导函数，对于各像素点，采用二维高斯一阶偏导函数分别对其红/绿通道、绿/红通道、蓝/黄通道、黄/蓝通道的单拮抗响应进行滤波，分别得到各像素点各通道的各方向参数的双拮抗响应值；对于各像素点的各通道，分别取该像素点该通道的各方向参数的双拮抗响应值的最大值，将该最大值作为该像素点该通道的最优响应值，该最大值对应的方向参数作为该像素点该通道的最优方向；对于各像素点，选取各通道的最优响应值中的最大值，作为该像素点的颜色特征轮廓响应值，该最大值对应的的方向参数作为该像素点的颜色特征最优方向；

D、对待检测图像进行灰度处理后得到灰度图像，对灰度图像进行灰度特征的计算；

预设周边二维高斯函数、中心周边拮抗强度，周边二维高斯函数的空间标准差大于中心二维高斯函数，对于各像素点，分别采用中心二维高斯函数、周边二维高斯函数对其灰度值进行二维高斯滤波，分别得到各像素点的中心响应值和周边响应值，将各像素点的中心响应值减去其周边响应值与中心周边拮抗强度的乘积，得到各像素点的灰度特征初始响应值；

E、对于各像素点，采用步骤C中的二维高斯一阶偏导函数对其灰度特征初始响应值进行滤波，得到各像素点的各方向参数的灰度特征经典响应值；对于各像素点，选取各方向参数的灰度特征经典响应值中的最大值，作为该像素点的灰度特征经典最优响应值，该最大值对应的的方向参数作为该像素点的灰度特征最优方向；

F、预设归一化高斯差分函数、非经典感受野拮抗强度，对于各像素点，采用归一化高斯差分函数分别对其灰度特征经典最优响应值进行滤波，其中归一化高斯差分函数的方向参数采用该像素点的灰度特征最优方向，得到该像素点的灰度特征非经典响应值；对于各像素点，将该像素点的灰度特征经典最优响应值减去灰度特征非经典响应值与非经典感受野拮抗强度的乘积，得到各像素点的灰度特征轮廓响应值；

G、预设颜色灰度特征融合比例函数，对于各像素点，将该像素点的颜色特征轮廓响应值与灰度特征轮廓响应值求和后与颜色灰度特征融合比例函数的相乘，得到的乘积作为颜色灰度特征抑制响应值，将该像素点的颜色特征轮廓响应值减去颜色灰度特征抑制响应值，得到各像素点的最终轮廓响应值；

H、最终轮廓值的计算具体为：

对于各像素点，对其最终轮廓响应值进行非极大值抑制和双阈值处理，得到各像素点的最终轮廓值。

3.如权利要求2所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤A具体为：

所述的各颜色分量的滤波响应值如下：

SC(x,y)＝IC(x,y)*Gc(x,y)            (1)；

其中SC(x,y)表示各颜色分量的滤波响应值，IC(x,y)表示各颜色分量值，C∈{R,G,B,Y}，分别表示红、绿、蓝、黄颜色分量， σ表示空间标准差；*为卷积运算。

4.如权利要求3所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤B具体为：

各像素点各通道的单拮抗响应如下：

SOlm(x,y)＝Sl(x,y)-ωSm(x,y)       (2)；

其中lm∈{RG,GR,BY,YB},即表示红/绿、绿/红、蓝/黄、黄/蓝通道，l∈{R,G,B,Y}，m∈{R,G,B,Y}分别表示同一通道的两个颜色分量；ω为颜色拮抗权重。

5.如权利要求4所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤C具体为：

各像素点的各方向参数的双拮抗响应值DOlm(x,y；θi)＝SOlm(x,y)*V(x,y；θi)   (3)；

其中

Nθ为方向参数的数目，γ为表示感受野椭圆度的常数；

各像素点的各通道的最优响应值DOlm(x,y)＝max(DOlm(x,y；θi)|i＝1,2,...Nθ)  (4)；

各像素点的各通道的最优方向θlm(x,y)＝θk，k＝argmax(DOlm(x,y；θi)|i＝1,2,...Nθ) (5)；

各像素点的颜色特征轮廓响应值RP(x,y)＝max{DOlm(x,y)|lm∈{RG,GR,BY,YB}}  (6)；

各像素点的颜色特征最优方向θP(x,y)＝θno(x,y)           (7)；

其中no＝argmax(DOlm(x,yi)|lm∈{RG,GR,BY,YB})，no∈{RG,GR,BY,YB}。

6.如权利要求5所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤D具体为：

各像素点的灰度特征初始响应值E(x,y)＝Ig(x,y)*Gc(x,y)-α·Ig(x,y)*Gf(x,y)  (8)；

其中Ig(x,y)为各像素点的灰度值， α为中心周边拮抗强度。

7.如权利要求6所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤E具体为：

各像素点的各方向参数的灰度特征经典响应值Rcrf(x,y；θi)＝E(x,y)*V(x,y；θi)  (9)；

各像素点的灰度特征经典最优响应值Rcrf(x,y)＝max(Rcrf(x,y；θi)|i＝1,2,...Nθ)  (10)；

各像素点的灰度特征最优方向θM(x,y)＝θj，j＝argmax(Rcrf(x,y；θi)|i＝1,2,...Nθ)  (11)。

8.如权利要求7所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤F具体为：

各像素点的灰度特征非经典响应值Rncrf(x,y)＝Rcrf(x,y)*W(x,y)     (12)；

归一化高斯差分函数

其中，

其中||·||1为L1范数，H(x)＝max(0,x)；

各像素点的灰度特征非经典响应值RM(x,y)＝Rcrf(x,y)-βRncrf(x,y)    (13)；

其中β为非经典感受野拮抗强度。

9.如权利要求8所述的基于颜色和灰度特征融合的仿生型轮廓检测方法，其特征在于：所述步骤G具体为：

各像素点的最终轮廓响应值O(x,y)＝(1-λ(x,y))RP(x,y)+λ(x,y)·RM(x,y)    (14)；

其中颜色灰度特征融合比例函数