[發明專利]一種基于深度學習的暗視覺及低照度圖像邊緣檢測方法

在審

• 申請號: 202210366311.4
• 申請日: 2022-04-08
• 公開（公告）號: CN114693712A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 趙志強;徐曉文;高新政;陶于祥;陳霖;王正軍;崔一輝;王昆
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T5/50;G06K9/62;G06N3/04;G06N3/08;G06V10/80;G06V10/74;G06V10/82
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王詩思

1.一種基于深度學習的暗視覺及低照度圖像邊緣檢測方法，其特征在于，所述方法步驟包括：

獲取暗視覺/低照度圖像，并對所述取暗視覺/低照度圖像進行預處理；

將暗視覺/低照度圖像輸入到預訓練后的初級子網中進行邊緣檢測，提取出多個邊緣特征圖，并經過上采樣后形成第一邊緣特征；

將所述暗視覺/低照度圖像與對應的所述第一邊緣特征輸入到邊緣增強模塊中，對所述暗視覺/低照度圖像邊緣增強；

將邊緣增強后的暗視覺/低照度圖像輸入到次級子網中進行邊緣檢測，提取出多個邊緣特征圖；

將初次子網產生的第一邊緣特征和多個邊緣特征圖與次級子網產生的多個邊緣特征圖進行特征圖融合，得到暗視覺/低照度圖像的邊緣檢測效果。

2.根據權利要求1所述的一種基于深度學習的暗視覺及低照度圖像邊緣檢測方法，其特征在于，所述將暗視覺/低照度圖像輸入到預訓練后的初級子網中進行邊緣檢測，提取出多個邊緣特征圖，并經過上采樣后形成第一邊緣特征包括在所述初級子網中，ι₁個初級特征提取模塊和ι₂個復合特征提取模塊產生ι₁+ι₂個邊緣特征，將ι₁+ι₂個邊緣特征輸入自適應邊緣尺度提取模塊，提取邊緣特征的自適應邊緣尺度，并融合尺度和邊緣特征，得到ι₁+ι₂個邊緣特征圖，對ι₁+ι₂個邊緣特征圖上采樣后，按照通道拼接輸入深度特征融合模塊，得到第一邊緣特征。

3.根據權利要求1所述的一種基于深度學習的暗視覺及低照度圖像邊緣檢測方法，其特征在于，所述將邊緣增強后的暗視覺/低照度圖像輸入到次級子網中進行邊緣檢測，提取出多個邊緣特征圖包括在所述次級子網中，ι₃個復合特征提取模塊產生ι₃個邊緣特征，將ι₃個邊緣特征輸入自適應邊緣尺度提取模塊，提取邊緣特征的自適應邊緣尺度，并融合尺度和邊緣特征，得到ι₃個邊緣特征圖。

4.根據權利要求1所述的一種基于深度學習的暗視覺及低照度圖像邊緣檢測方法，其特征在于，所述將初次子網產生的第一邊緣特征和多個邊緣特征圖與次級子網產生的多個邊緣特征圖進行特征圖融合，得到暗視覺/低照度圖像的邊緣檢測效果包括在所述初級子網中，ι₁個初級特征提取模塊和ι₂個復合特征提取模塊產生ι₁+ι₂個邊緣特征，將ι₁+ι₂個邊緣特征輸入自適應邊緣尺度提取模塊，提取邊緣特征的自適應邊緣尺度，并融合尺度和邊緣特征，得到ι₁+ι₂個邊緣特征圖，對ι₁+ι₂個邊緣特征圖上采樣后，按照通道拼接輸入深度特征融合模塊，得到第一邊緣特征；在所述次級子網中，ι₃個復合特征提取模塊產生ι₃個邊緣特征，將ι₃個邊緣特征輸入自適應邊緣尺度提取模塊，提取邊緣特征的自適應邊緣尺度，并融合尺度和邊緣特征，得到ι₃個邊緣特征圖；將初級子網產生的ι₁+ι₂個邊緣特征圖以及第一邊緣特征，以及次級子網產生的ι₃個邊緣特征圖，也即ι₁+ι₂+1+ι₃個邊緣特征圖上采樣的結果，按通道拼接后，輸入次級子網的深度特征融合模塊，得到深度邊緣特征；基于邊緣損失函數分別計算ι₁+ι₂+1+ι₃個邊緣特征圖和所述深度邊緣特征與邊緣label之間的邊緣損失；當所述邊緣損失收斂時，次級子網的深度特征融合模塊的輸出為最終的邊緣檢測結果。