[發明專利]基于輪廓信息的熱紅外語義分割無監督領域自適應方法

有效

• 申請號: 202011426430.1
• 申請日: 2020-12-09
• 公開（公告）號: CN112465836B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 白相志;劉子超
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/12;G06T7/181;G06T7/187
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 李娜;王順榮

本發明公開一種基于輪廓信息的熱紅外語義分割無監督領域自適應方法：一、利用可見光帶標注語義分割數據集訓練語義分割模型以獲得像素級語義分割的能力；二、利用可見光領域訓練的語義輪廓模型提取熱紅外圖像語義輪廓，通過輪廓構建起可見光圖像語義與熱紅外圖像語義的橋梁；三、對各個類別進行顯著性檢測，融合各類別顯著性檢測結果，并利用形態學操作與全連接條件隨機場得到語義分割偽標簽；四、利用熱紅外圖像語義分割偽標簽數據集對第一部分的語義分割模型進行再訓練。本發明利用易于獲取易于標注可見光圖像語義分割數據與無標注的熱紅外圖像數據，獲得對熱紅外圖像進行語義分割的模型，能被廣泛應用于智能駕駛、安保安防等領域中。

【技術領域】

本發明涉及一種基于輪廓信息的熱紅外語義分割無監督領域自適應方法，語義分割和無監督領域自適應技術在圖像應用領域具有廣泛應用，隸屬于計算機視覺領域。

【背景技術】

語義分割是以圖像特征信息為依據，將圖像分為若干具有特性且互不重疊區域并賦予語義類別的圖像處理技術。語義分割簡化了圖像，提煉了圖像的信息，便于場景理解與高層視覺任務。語義分割是計算機視覺領域和圖像識別的重要處理技術。因此，研究快速、魯棒以及準確的語義分割方法具有重要意義。

與可見光圖像不同，熱紅外圖像針對波長在7.5微米至13微米的電磁波輻射成像。任何溫度在絕對零度以上的物體都會發射輻射。依據普朗克定律以及維恩位移定律，地表上大部分物體的輻射峰值都在熱紅外波段中。因此，熱紅外成像不需要其他外部光源，所以熱紅外圖像在全天時成像方面具有優勢，這使得其在具有全天時需求的應用例如安保國防上被廣泛使用。因為熱紅外圖像傳感器的限制，熱紅外圖像分辨率有限，同時，大氣傳輸過程中的輻射衰減也導致熱紅外圖像對比度低，輪廓模糊，紋理大面積缺失。因此，熱紅外圖像處理一直具有較高的難度。大部分對熱紅外圖像的技術研究仍然停留在基于灰度的目標分割等較為底層的數字圖像處理階段?；跓峒t外圖像的語義分割仍是一個鮮有探索與研究的領域。

深度學習是一種近年來飛速發展的機器學習思想，受啟發于神經科學的觀點，其運用多層次結構去學習多層次組合。通過組合大量簡單結構，其成功構建起了能夠學習較為復雜映射的學習器。這些多層次結構被稱為深度神經網絡。通過監督訓練，深度神經網絡能夠提取數字圖像中深層次特征，其表現往往超越人工設計的特征。深度神經網絡的監督訓練需要大量帶標簽的數據，而這增加了深度神經網絡的應用與新領域拓展難度。對于圖像語義分割，這個問題尤為嚴重，因為其數據的標注需要遠大于其他任務的人力。對于熱紅外圖像語義分割，建立足夠用于深度神經網絡監督訓練的標注數據集具有額外的困難。原因之一是熱紅外圖像的許多應用場景缺少數據，二是因為熱紅外圖像是基于熱紅外輻射成像，與人眼習慣的可見光波段圖像不同，對于語義理解及標注存在困難。