轮廓检测已被广泛研究作为计算机视觉中的基本问题。 在这项研究中,提出了一种生物学启发的候选加权框架,用于检测有意义轮廓的艰巨任务。 与从像素检测轮廓的先前模型相比,提出了一种改进的超像素生成处理,以生成轮廓候选集,然后通过提取分层视觉提示对候选进行加权。 我们基于格式塔原理对轮廓分组约束进行加权,提取低级视觉局部线索以权衡轮廓的内在属性和中级视觉线索。 在BSDS基准上测试的实验结果表明,所提出的框架表现出令人鼓舞的性能,可以捕获复杂场景中有意义的轮廓。