【技术实现步骤摘要】
一种基于语义轮廓信息的安检图像刀具检测分割方法
本专利技术涉及图像处理
中基于内容感知的图像检测分割技术，具体涉及一种基于语义轮廓信息的安检图像刀具检测分割方法的研究及实现。
技术介绍
随着城市交通物流服务范围的不断扩大，交通物流在促进城市经济发展、优化城市结构中承担着至关重要的角色，每天有大量的旅客及货物周转在全球各大铁路、公路、机场。城市轨道交通由于空间封闭，旅客流量大，遭到恐怖袭击后更容易造成灾难性后果，如何快速有效地检查旅客行李的危险品一直困扰着相关安全部门。X光安检机已被广泛应用于交通、物流等领域，社会的高速发展对于安检速度和准确度的要求越来越高，而传统X光图像的判图一直依赖于人工，质效低、耗时久，工作量大，且无法高效识别X光图像中的违禁品，漏检问题时有发生。目前主流的安检机使用X涉嫌成像技术、计算机断层扫描成像技术、离子迁移谱分析技术、拉曼光谱技术和放射性物质监测等先进安检技术，然而这些技术只是成像，还需要人工判定安检图片中是否有危险物品。传统的X射线检测的主流算法主要是通过图像分类来检查违禁品的，...
【技术保护点】
1.一种基于深度学习语义轮廓信息的刀具检测分割方法，其特征在于，具体包括：/n1)输入一幅大小为W*H的原始图像，对应的边缘检测图像大小与原始图像相同，W为原始图像宽度，H为原始图像的高度；/n2)将原始图像内容进行边缘检测，并且对监督样本二值图mask进行边缘检测，具体步骤如下：/n①优化原始图像边缘检测模型：使用HED(Holistically-Nested Edge Detection)模型对原始图像内容进行边缘检测，并保留在Side-output4阶段的边缘检测图像；/n②建立mask图像最优化模型：采用Laplace算子对mask进行边缘检测，目标是让mask图像...
【技术特征摘要】
1.一种基于深度学习语义轮廓信息的刀具检测分割方法，其特征在于，具体包括：
1)输入一幅大小为W*H的原始图像，对应的边缘检测图像大小与原始图像相同，W为原始图像宽度，H为原始图像的高度；
2)将原始图像内容进行边缘检测，并且对监督样本二值图mask进行边缘检测，具体步骤如下：
①优化原始图像边缘检测模型：使用HED(Holistically-NestedEdgeDetection)模型对原始图像内容进行边缘检测，并保留在Side-output4阶段的边缘检测图像；
②建立mask图像最优化模型：采用Laplace算子对mask进行边缘检测，目标是让mask图像中刀具边缘像素具有不同像素，靠近边缘中心具有较大权重，距离边缘中心越远，权重越小，很大程度上能够保留刀具轮廓信息；建立两个变量的离散Laplace算子函数为：
将公式(1)写成filtermask的形式如下：
1
1
1
1
-8
1
1
1
1
公式(1)中，x、y分别为图像上x轴、y轴的坐标点；公式(1)的原始推导过程需要先定义最简单的二阶微分拉普拉斯算子，拉普拉斯算子是二阶微分线性算子，在图像边缘处理中，二阶微分的边缘定位能力更强，锐化效果更好，因此在进行图像边缘处理时，直接采用二阶微分算子而不使用一阶微分：
公式(2)中，任意阶微分都是线性操作，所以Laplace算子是一个线性算子，分别对Laplace算子x,y两个方向的二阶导数进行差分就得到了离散函数的Laplace算子；在一个二维函数f(x,y)中，x,y两个方向的二阶差分分别：
公式(2)(3)能够得出离散Laplace算子函数；
3)将原始图像和对应其边缘二值图像作为训练样本，同时输入到MaskRCNN网络中，对刀具的特征与刀具语义轮廓信息特征拼接，最后通过添加边缘语义分割任务实现多任务策略；该步骤具体包括：
①设计RPN(RegionProposalNetworks)孪生网络结构，利用RPN将原始图像和对应其边缘二值图像输入到网络中，分别对刀具整体和刀具边缘信息提取特征，在ResNet网络的block5阶段进行特征拼接；目标是最有效利用刀具语义轮廓特征，让刀具重要的特征尽可能的增加权重，其中，
RPN损失函数为：
...
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。