[發明專利]免成像的邊緣信息檢測方法及系統

在審

• 申請號: 202011295773.9
• 申請日: 2020-11-18
• 公開（公告）號: CN112581485A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 邊麗蘅;傅毫;張軍
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06N3/08;G06N3/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

本申請提出了一種免成像的邊緣信息檢測方法及系統，其中，方法包括：基于深度神經網絡設計免成像邊緣解碼網絡；選定空間光調制掩膜，建立訓練數據集，數據集中包括不同場景的單像素測量值和對應的邊緣信息；通過數據集對免成像邊緣解碼網絡進行訓練；搭建單像素采集系統，通過單像素探測器采集場景的耦合測量值，并將采集的耦合測量值輸入解碼網絡進行處理，生成場景的邊緣信息。根據本申請的免成像的邊緣信息檢測方法能夠實現免成像的邊緣檢測，采集數據量小且無須成像，對采集、通信、處理等模塊要求較低，保密性強，可為機器智能提供新的機器視覺方法。

技術領域

本申請涉及計算攝像學技術領域，尤其涉及一種免成像的邊緣信息檢測方法及系統。

背景技術

邊緣檢測在數據壓縮、顯微成像和各類計算機視覺任務等領域被廣泛應用。傳統的邊緣檢測算法主要是基于圖像的亮度、色彩、梯度、紋理等特征檢測圖像中的某個像素點是否是邊緣像素，上述方案中的邊緣檢測主要是基于鄰域信息，而在實際應用中，由于環境變換很大，只有鄰域信息不足以準確的檢測出圖像邊緣，尤其是對紋理比較復雜的圖像、低對比度的圖像以及噪聲很大的圖像。

在過去的幾年里，卷積神經網絡在計算機視覺上越來越受到歡迎，在圖像分類，目標檢測，語義分割等很多視覺領域里都刷新了最佳效果。卷積神經網絡對自然圖像特征有著強大的學習能力，因此也有算法開始講卷積神經網絡應用于邊緣檢測，基于卷積神經網絡的邊緣檢測算法進一步提高了邊緣檢測的性能。

然而，在大多數邊緣檢測應用中，感興趣的區域僅是場景的邊緣部分，而非整個場景。換句話說，在自然圖像和視頻中存在大量的像素不包含用于邊緣檢測任務的有用信息。這些無有用信息的像素浪費了硬件和軟件成本。因此，目前需要一種提高信息獲取和感知效率的方案。

發明內容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請提出一種免成像的邊緣信息檢測方法及系統，以實現免成像的邊緣檢測，采集數據量小且無須成像，對成像、通信等模塊要求較低。

本申請第一方面實施例提出了一種免成像的邊緣信息檢測方法，包括：

確定空間光調制掩膜，并建立單像素采集系統，所述單像素采集系統包括單像素探測器；

通過所述單像素探測器采集由所述空間光調制掩膜調制后的耦合測量值，其中，所述耦合測量值與當前場景對應；

將所述耦合測量值輸入預先訓練的所述解碼網絡進行處理，生成所述當前場景的邊緣信息。

另外，根據本申請上述實施例的免成像的邊緣信息檢測方法還可以具有如下附加技術特征：

可選地，所述空間光調制掩膜包括：隨機灰度調制掩膜、隨機二值調制掩膜、哈達瑪調制掩膜、正弦類調制掩膜、優化調制掩膜。

可選地，所述方法還包括：建立由單像素測量值到場景邊緣信息的樣本數據集，并根據所述樣本數據集對所述解碼網絡進行端到端訓練，其中，所述樣本數據集包括不同場景的單像素測量值、不同場景的邊緣信息。

可選地，所述建立由單像素測量值到場景邊緣信息的樣本數據集，包括：

利用所述空間光調制掩膜與實際場景生成一維的單像素測量值，以及獲取所述實際場景的邊緣信息；

將所述單像素測量值與所述實際場景的邊緣信息作為一組數據樣本。

可選地，通過邊緣檢測算子或神經網絡獲取所述實際場景的邊緣信息，其中，所述邊緣檢測算子包括Sobel算子、Canny算子、Prewitt算子、Roberts算子，所述神經網絡包括卷積神經網絡和循環神經網絡。