[發明專利]一種基于自編碼神經網絡的圖像邊緣提取方法及系統

在審

• 申請號: 202210254460.1
• 申請日: 2022-03-15
• 公開（公告）號: CN114612489A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 師后龍
• 申請（專利權）人: 徐州科悅電子科技有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G06T5/00;G06N3/08
• 代理公司: 江蘇長德知識產權代理有限公司 32478
• 代理人: 周藝

本發明公開了一種基于自編碼神經網絡的圖像邊緣提取方法及系統。方法包括：將原圖像輸入至自編碼神經網絡，在該網絡的損失函數監督下訓練輸出邊緣弱化圖像；對原圖像與邊緣弱化圖像進行差分得到差值圖像，利用邊緣強化系數對差值圖像進行增強得到邊緣強化圖像；通過在自編碼神經網絡的損失函數中加入邊緣弱化系數對該網絡進行訓練，最終實現多場景下圖像的邊緣提取。相較于現有技術，該網絡不但有滿意度較高的邊緣提取效果，而且對各種圖像場景有很好的適應能力，可實現對多種圖像場景的邊緣提取功能。

技術領域

本發明涉及人工智能技術領域，具體涉及一種基于自編碼神經網絡的圖像邊緣提取方法及系統。

背景技術

目前常用的邊緣提取方法可以分為兩大類，基于梯度的圖像處理方式，和基于神經網絡語義分割方式。基于梯度的邊緣檢測算子的缺陷在于，不同場景、不同圖像需要遍歷各種算子才能實現最優邊緣的提取，算子通用性差、邊緣檢測效率低。一些語義分割技術，例如用于街景理解的融合點與區域特征的語義分割方法及系統(CN110059768A)，使用語義分割損失對深度神經網絡進行訓練，通過標簽圖像中的信息對邊緣增強進行圖像分割，一方面基于語義分割的邊緣檢測技術僅能實現樣本訓練集中標記的目標的邊緣標識，不能實現未標記目標的邊緣提取，另一方面僅適用于需要對目標進行辨識且分割出目標區域的場景，對于無需識別目標的應用場景，語義分割顯然是多余且低效的。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種基于自編碼神經網絡的圖像邊緣提取方法及系統，通過在損失函數中加入邊緣弱化系數對自編碼神經網絡進行訓練，最終實現多場景下圖像的邊緣提取。所采用的技術方案具體如下：

第一方面，本發明一個實施例提供了一種基于自編碼神經網絡的圖像邊緣提取方法。

將原圖像輸入至自編碼神經網絡，輸出邊緣弱化圖像；所述自編碼神經網絡的損失通過以下方式衡量：獲取原圖像與邊緣弱化圖像每個對應像素點的像素差異，根據原圖像上像素點在各邊緣方向上的梯度得到每個像素點的邊緣弱化系數，利用邊緣弱化系數對所述像素差異進行修正得到修正值，對所有像素點對應的修正值求和得到自編碼神經網絡的損失；對原圖像與邊緣弱化圖像進行差分得到差值圖像，利用邊緣強化系數對差值圖像進行增強得到邊緣強化圖像。

優選的，所述根據原圖像上像素點在各邊緣方向上的梯度得到每個像素點的邊緣弱化系數包括：獲取原圖像像素點在各邊緣方向上梯度的最大值以及最大值對應的關聯像素，根據像素點鄰域內最大、最小像素的差異和像素點及其鄰域內非關聯像素的差異得到一致性指數；根據像素點一致性指數及其對應的梯度的最大值計算像素點的獨立邊緣指數；分別對像素點同行和同列像素的獨立邊緣指數處理得到行像素系數和列像素系數；根據像素點的獨立邊緣程度、行像素系數和列像素系數得到像素點對應的邊緣弱化系數。

優選的，所述分別對像素點同行和同列像素的獨立邊緣指數處理得到行像素系數和列像素系數包括：分別對像素點同行像素、同列像素的獨立邊緣指數進行曲線擬合得到行變化曲線、列變化曲線；根據行變化曲線的極大值點得到第一極值點分布中心，根據列變化曲線的極值點得到第二極值點分布中心；第一極值點分布中心將行變化曲線分為兩側，計算與像素點位于同側的極值點到第一極值點分布中心的距離之和得到第一距離，第二極值點分布中心將列變化曲線分為兩側，計算與像素點位于同側的極值點到第二極值點分布中心的距離之和得到第二距離；根據像素點到第一極值點分布中心的距離和第一距離獲得行像素系數；根據像素點到第二極值點分布中心的距離和第二距離獲得列像素系數。

優選的，所述根據原圖像上像素點在各邊緣方向上的梯度得到每個像素點的邊緣弱化系數包括：獲取原圖像上像素點各邊緣方向上的梯度；根據梯度平均值與梯度最大值得到像素點的邊緣弱化系數。

優選的，所述邊緣強化系數根據每個像素點的邊緣弱化系數獲取。

第二方面，本發明一個實施例提供了一種基于自編碼神經網絡的圖像邊緣提取系統。