[發明專利]一種針對圖像語義邊緣的質量評價方法

在審

• 申請號: 202210143403.6
• 申請日: 2022-02-16
• 公開（公告）號: CN114863127A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 馬偉;薄啟涵
• 申請（專利權）人: 北京工業大學
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/34;G06V10/764;G06K9/62;G06N20/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明公開了一種針對圖像語義邊緣的質量評價方法，包括語義邊緣的連續度、粗細度和光滑度。本發明步驟如下：一、利用現有基于深度學習的圖像語義邊緣檢測算法獲得待評測的語義邊緣圖像；二、將待評測圖像通過形態學方法提取語義邊緣的骨架；三、對語義邊緣骨架利用形態學方法提取連通分量，結合連通分量數量與骨架長度度量連續度指標；四、結合待評測語義邊緣點數量和其骨架長度得到語義邊緣平均寬度，作為粗細度指標；五、根據四所獲得的語義邊緣平均寬度將骨架通過形態學的膨脹操作生成膨脹后的語義邊緣骨架，再基于歐氏距離計算得到待評測語義邊緣的光滑度指標。本發明優勢在于以無參考的形式從多方面評價圖像語義邊緣質量。

技術領域

本發明屬于數字圖像處理與計算機視覺技術領域，具體涉及一種針對圖像語義邊緣的質量評價方法。

背景技術

圖像語義邊緣檢測的目的是定位圖像中特定物體的輪廓位置，并確定輪廓所屬的語義類別。作為計算機視覺領域中的一個熱點研究方向，圖像語義邊緣檢測為圖像語義分割、深度預測、三維重建和障礙物檢測等任務提供重要線索。

現實中由于噪聲、遮擋和光照等復雜影響因素的存在，使得算法檢測出的語義邊緣質量難以從單一角度進行評價。而目前的圖像語義邊緣質量評價方法主要分為人為主觀評價和邊緣整體質量評價，主觀評價耗時長且易受個人因素影響，不具備穩定性。而隨著應用場景的愈加復雜，單一的整體質量評價方法已不滿足于差異化需求。因此如何客觀有效地從多角度評價圖像語義邊緣質量成為研究重點。根據物體邊界的獨有屬性，一個全面的圖像語義邊緣質量評價方法應具備多角度評價的能力，并且能產出客觀的指標得分以模擬主觀評價的方式。

而根據是否需要參考圖像，客觀評價方法可歸為三類：全參考的質量評價方法、半參考的質量評價方法和無參考的質量評價方法。但由于實際應用中參考圖像難以保證可獲得的事實，無參考的質量評價方法更具有應用價值。因此本發明提出了一種針對于圖像語義邊緣質量的無參考的多角度的評價方法，填充了該領域的空白。

發明內容

本發明為了克服現有評價方法的不足，提供了一種針對圖像語義邊緣的質量評價方法。本發明具有無需參考圖像、可從多個角度進行評價的特點，并且能夠被擴展為涉及圖像邊緣或輪廓的評價方法，以滿足復雜應用場景的需要。

為了實現上述目的，本發明采用以下技術方案：

一種針對圖像語義邊緣的質量評價方法，包括以下步驟：

步驟一、選取用于測試的圖像，輸入至現有基于深度學習的圖像語義邊緣檢測算法，得到待評測的語義邊緣圖像。

在步驟一中，考慮到實際應用場景的多樣性，需要選取的測試圖像應盡可能包含不同尺寸和類別的多個物體。現有基于深度學習的語義邊緣檢測算法眾多，本發明選取Hu等人于2019年的IJCAI上發表的“Dynamic Feature Fusion for Semantic EdgeDetection”用于輸出待評測的語義邊緣圖像。

1.1生成待評測的語義邊緣圖像：

P_SED＝Net(I)

其中，I代表輸入圖像，Net代表任意基于深度學習的語義邊緣檢測算法，P_SED代表通過選取的語義邊緣檢測算法所獲得的待評測的語義邊緣圖像。

步驟二、利圖像形態學方法提取待評測語義邊緣圖像的骨架。

骨架提取方法，也被稱作二值圖像的細化操作，屬于形態學處理范疇。具體的做法是將待評測的語義邊緣圖像中的每個連通區域都細化成一個像素的寬度的骨架，這種方式常用于特征提取或目標拓撲表示。

2.1對語義邊緣圖像提取骨架：

S＝skeletonize(P_SED)