【技术实现步骤摘要】
多级深度特征融合的RGB-T图像显著性目标检测方法
本专利技术属于图像处理领域,涉及一种RGB-T图像显著目标检测方法,具体涉及一种多级深度特征融合的RGB-T图像显著性目标检测方法,可用于计算机视觉中图像的预处理进程。
技术介绍
显著性目标检测旨在利用模型或算法检测和分割出图像中的显著性目标区。作为图像的预处理步骤,显著性目标检测在视觉跟踪、图像识别、图像压缩、图像融合等视觉任务中起着至关重要的作用。现有的目标检测方法可以分为两大类:一类是基于传统的显著性目标检测方法,另一类是基于深度学习的显著性目标检测方法。基于传统的显著性目标检测算法通过手工提取的颜色、纹理、方向等特征完成显著性预测,过度依赖于人工选取的特征,对场景适应性不强,在复杂数据集上表现不佳。随着深度学习的广泛应用,基于深度学习的显著性目标检测研究取得了突破性进展,相较于传统的显著性算法,检测性能显著提高。大多数的显著目标检测方法如“Q.Hou,M.M.Cheng,X.Hu,etal.Deeplysupervisedsalientobjectdetectionwithshortconnections.IEEETransactionsonPatternAnalysisandMachineIntelligence,2019,41(4):815–828.”仅通过单一模态的RGB图像计算显著值,获取的场景信息有限,在低光照、低对比度、复杂背景等挑战性场景下,难以完整一致地检测出显著目标。为解决上述问题,一些基于RGB-T图像的显著目标检测方法被提出,如“LiC,WangG,MaY,etal.AUni ...
【技术保护点】
1.多级深度特征融合的RGB‑T图像显著性目标检测方法,其特征在于,包括如下步骤:(1)对输入图像提取粗糙的多级特征:对图像提取基础网络中位于不同深度的5级特征作为粗糙的单模态特征;(2)构建邻近深度特征融合模块,改善单模态特征:建立多个邻近深度特征融合模块,然后通过该邻近深度特征融合模块将步骤(1)得到的5级粗糙的单模态特征处理,将来自邻近深度的3级特征进行融合,得到改善的3级单模态特征;(3)构建多分支组融合模块,融合多模态特征:构建包含两个融合分支的多分支组融合模块,对步骤(2)得到的改善的3级单模态特征中,位于同一特征级下的不同单模态特征进行融合,得到融合的多模态特征;(4)得到融合输出特征图:将步骤(3)得到的融合的多模态特征的不同级特征逐级反向融合,得到多个边输出特征图,并将所有边输出特征图融合,得到融合输出特征图;(5)训练算法网络:在训练数据集上,对步骤(4)中得到的边输出特征图和融合输出特征图,采用深度监督学习机制,通过最小化交叉熵损失函数,完成算法网络训练,得到网络模型参数;(6)预测RGB‑T图像的像素级显著图:在测试数据集上,利用步骤(5)得到的网络模型参数,对 ...
【技术特征摘要】
1.多级深度特征融合的RGB-T图像显著性目标检测方法,其特征在于,包括如下步骤:(1)对输入图像提取粗糙的多级特征:对图像提取基础网络中位于不同深度的5级特征作为粗糙的单模态特征;(2)构建邻近深度特征融合模块,改善单模态特征:建立多个邻近深度特征融合模块,然后通过该邻近深度特征融合模块将步骤(1)得到的5级粗糙的单模态特征处理,将来自邻近深度的3级特征进行融合,得到改善的3级单模态特征;(3)构建多分支组融合模块,融合多模态特征:构建包含两个融合分支的多分支组融合模块,对步骤(2)得到的改善的3级单模态特征中,位于同一特征级下的不同单模态特征进行融合,得到融合的多模态特征;(4)得到融合输出特征图:将步骤(3)得到的融合的多模态特征的不同级特征逐级反向融合,得到多个边输出特征图,并将所有边输出特征图融合,得到融合输出特征图;(5)训练算法网络:在训练数据集上,对步骤(4)中得到的边输出特征图和融合输出特征图,采用深度监督学习机制,通过最小化交叉熵损失函数,完成算法网络训练,得到网络模型参数;(6)预测RGB-T图像的像素级显著图:在测试数据集上,利用步骤(5)得到的网络模型参数,对步骤(4)中得到的边输出特征图和融合输出特征图,通过sigmoid分类计算,预测RGB-T图像的像素级显著图。2.如权利要求1所述的多级深度特征融合的RGB-T图像显著性目标检测方法,其特征在于,步骤(1)中所述的图形为RGB图像或热红外图像。3.如权利要求1所述的多级深度特征融合的RGB-T图像显著性目标检测方法,其特征在于,步骤(1)中的基础网络为VGG16网络。4.如权利要求2所述的多级深度特征融合的RGB-T图像显著性目标检测方法,其特征在于,步骤(2)中所述的构建邻近深度特征融合模块,包括以下步骤:(21)将步骤(1)得到的5级粗糙的单模态特征分别用符号表示,其中,n=1或者2,分别代表RGB图像或热红外图像;(22)每一个邻近深度融合模块包含3个卷积操作和1个反卷积操作,以获得第d级单模态特征,d=1,2,3。5.如权利要求4所述的多级深度特征融合的RGB-T图像显著性目标检测方法,其特征在于,步骤(22)包括:(221)将一个卷积核为3×3,步长为2,参数为的卷积操作一个卷积核为1×1,步长为1,参数为的卷积操作和一个卷积核为2×2,步长为1/...
【专利技术属性】
技术研发人员:张强,黄年昌,姚琳,刘健,韩军功,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。