1.一种基于多尺度叠加的非经典感受野轮廓检测方法，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，预设多个方向参数的高斯一阶导函数，对待检测图像中的各像素点分别按照各方向参数进行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，作为该像素点的经典感受野响应，最大值对应的方向参数作为该像素点的经典感受野最优方向；

B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，对于各像素点：将与其经典感受野最优方向相垂直的方向作为其非经典感受野的最优方向，多个尺度参数基于高斯一阶导函数的标准差依次递增；将各像素点的多个尺度参数的距离权重函数进行求和，得到各像素点的融合距离权重函数；

C、预设抑制系数，将各像素点的经典感受野响应与融合距离权重函数进行卷积得到各像素点的非经典感受野响应；将各像素点的非经典感受野响应与抑制系数相乘，得到各像素点的抑制响应，将各像素点的经典感受野响应减去非经典感受野响应，得到各像素点的轮廓响应；

D、对各像素点的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，由各个像素点的最终轮廓值构成最终轮廓图。

2.如权利要求1所述的基于多尺度叠加的非经典感受野轮廓检测方法，其特征在于：所述的步骤A中高斯一阶导函数的表达式为：其中

其中θ为方向参数， Nθ为方向参数的数量；σ为高斯一阶导函数的标准差，对应于感受野的大小，γ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；

各像素点的各方向的响应值为：

e(x,y；θi)＝|I(x,y)*RF(x,y；θi)|    (2)；

I(x,y)为待检测图像的各像素点的灰度值，| |为取绝对值符号；

各像素点的经典感受野响应的表达式如下：

E(x,y)＝max{e(x,y；θi)|i＝1,2,...Nθ}   (3)；

各像素点的经典感受野最优方向θn为：

其中n＝argmax{e(x,y；θi)|i＝1,2,...Nθ}。

3.如权利要求2所述的基于多尺度叠加的非经典感受野轮廓检测方法，其特征在于：所述的步骤B中的融合距离权重函数的表达式为：其中距离权重函数的表达式为

其中，

||·||1为L1范数，H(X)＝max(0,X)；

多个尺度参数的表达式σj为：

σj＝σ+M·j，其中M非经典感受野的尺度间隔，j＝0，1，2....N‑1，N为尺度参数的数目；

4.如权利要求3所述的基于多尺度叠加的非经典感受野轮廓检测方法，其特征在于：所述的步骤C的各像素点的轮廓响应表达式如下：R(x,y)＝E(x,y)‑Inh(x,y)    (6)；

其中Inh(x,y)＝αE(x,y)*w(x,y)；

α为抑制系数。