一种基于mask-RCNN的物体轮廓提取方法技术

本发明专利技术公开了一种基于mask‑RCNN的物体轮廓提取方法，首先通过训练获得一个mask‑RCNN模型，将待提取物体轮廓的RGB图像输入mask‑RCNN模型进行语义分割，通过mask‑RCNN网络处理得到RGB图像对应的二值掩膜图像，将RGB图像和对应的二值掩膜图像输入轮廓细化模块，提出了一种轮廓特征描述方式，准确地表征物体轮廓的方向和角度信息并通过轮廓修正算法对基于mask‑RCNN获得的二值掩膜图像轮廓进行自适应修正，最终实现图像质量不高如分辨率较低、目标模糊以及较低时间和空间复杂度情况下，图像实例轮廓的实时精确提取。

【技术实现步骤摘要】
一种基于mask-RCNN的物体轮廓提取方法
本专利技术属于计算机视觉的图像物体检测与分割
，具体涉及一种基于mask-RCNN的物体轮廓提取方法。
技术介绍
图像检测与分割前瞻性论著包括Girshick等人提出的R-CNN(RegionswithCNNfeatures)深度卷积神经网络的研究。Kaiming等人提出了SPP-Net模型解决上述问题，处理速度比R-CNN快30～170倍。为了进一步减小实例分割算法在时间和空间上的复杂度，Girshick提出了Fast-RCNN模型将特征提取和分类融合进一个分类框架，提高了训练模型的速度和目标检测的准确率。Kaiming等人通过在Faster-RCNN的基础上添加一个分支网络，在实现目标检测的同时，完成目标像素分割。最初由FacebookAI研究院的Girshick等提出的R-CNN算法，是一种基于卷积神经网络的目标检测模型。其主要思想是首先使用选择搜索算法，在图像中提取若干个候选目标矩形区域，用深度卷积网络提取目标特征，最后用支持向量机训练一个分类器，对候选目标区域进行分类。其中提取特征的深度卷积网络包含5个卷积层、2个全连接层本文档来自技高网...

【技术保护点】
1.一种基于mask‑RCNN的物体轮廓提取方法，其特征在于：方法包括如下步骤：步骤1、输入图片样本生成具有提取图像二值掩膜功能的mask‑RCNN模型，将待提取物体轮廓的RGB图像输入生成的mask‑RCNN模型进行语义分割，得到RGB图像对应的二值掩膜图像；步骤2、结合RGB图像将其对应的二值掩膜图像进行轮廓细化步骤：采用轮廓修正算法对二值掩膜图像的轮廓进行细粒度的修正，先提取RGB图像和对应的二值掩膜图像的目标轮廓，再构建轮廓特征描述，包括轮廓角度信息特征向量和轮廓重心，基于计算出的目标轮廓特征描述，将RGB图像目标轮廓与二值掩膜图像的目标轮廓进行匹配，筛选需要保留的RGB图像目标轮廓然...

【技术特征摘要】
1.一种基于mask-RCNN的物体轮廓提取方法，其特征在于：方法包括如下步骤：步骤1、输入图片样本生成具有提取图像二值掩膜功能的mask-RCNN模型，将待提取物体轮廓的RGB图像输入生成的mask-RCNN模型进行语义分割，得到RGB图像对应的二值掩膜图像；步骤2、结合RGB图像将其对应的二值掩膜图像进行轮廓细化步骤：采用轮廓修正算法对二值掩膜图像的轮廓进行细粒度的修正，先提取RGB图像和对应的二值掩膜图像的目标轮廓，再构建轮廓特征描述，包括轮廓角度信息特征向量和轮廓重心，基于计算出的目标轮廓特征描述，将RGB图像目标轮廓与二值掩膜图像的目标轮廓进行匹配，筛选需要保留的RGB图像目标轮廓然后与二值掩膜图像轮廓进行轮廓融合，在二值掩膜图像上得到精细的轮廓形状和位置。2.根据权利要求1所述的一种基于mask-RCNN的物体轮廓提取方法，其特征在于：所述步骤2详细步骤如下：步骤2.1、对RGB图像和二值掩膜图像进行图像的目标边缘检测，检测出RGB图像和二值掩膜图像的目标物体边缘；步骤2.2、进行轮廓计算，对得到的RGB图像和二值掩膜图像的目标物体边缘建立层级关系，取第二层结果为目标轮廓；步骤2.3、进行轮廓融合，先构建轮廓特征描述，包括轮廓角度信息特征向量和轮廓重心，基于计算出的目标轮廓特征描述，将RGB图像目标轮廓与二值掩膜图像的目标轮廓进行匹配，筛选需要保留的RGB图像目标轮廓然后与二值掩膜图像进行轮廓融合，在二值掩膜图像上得到精细的轮廓形状和位置。3.根据权利要求1所述的一种基于mask-RCNN的物体轮廓提取方法，其特征在于：所述步骤2中mask-RCNN模型包括部件为：ROI对齐、卷积层和分类器。4.根据权利要求1或2所述的一种基于mask-RCNN的物体轮廓提取方法，其特征在于：所述步骤2中还包括对进行轮廓融合后的二值掩膜图像执行边缘内填充操作步骤。5.根据权利要求4所述的一种基于mask-RCNN的物体轮廓提取方法，其特征在于：所述边缘内填充操作步骤采用膨胀腐蚀操作方法，操作时用闭运算公式计算，先进行膨胀操作，再进行腐蚀操作，公式如下：为膨胀操作，过程为：1)用结构元素B扫描图像A中的每一个像素；2)用结构元素与其覆盖的二值图像做“与”操作；3)操作结果如果都为0，结果图像的该像素为0，否则为1；为腐蚀操作，过程为：1)用结构单元B扫描图像A的每一个像素；2)用结构元素与其覆盖的二值图像做“与”操作；3)操作结果如果都为1，结果图像的该像素为1，否则为0。6.根据权利要求1所述的一种基于mask-RCNN的物体轮廓提取方法，其特征在于：所述步骤1中图片样本包括各类可见物体训练样本，包含动物、植物、矿物、食物及生活中可见物品。7.根据权利要求2所述的一种基于mask-RCNN的物体轮廓提取方法，其特征在于：所述步骤2.1的目标边缘检测采用Canny边缘检测算法，算法步骤如下：步骤2.1.1、将图像转换为灰度图，转换公式为：gray＝0.299R+0.5...

【专利技术属性】
技术研发人员：张汝民，刘致励，崔巍魏，陈建文，王文一，曾辽原，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51