一种基于深度卷积神经网络的显著性目标检测装置及方法制造方法及图纸

本发明专利技术公开了一种基于深度卷积神经网络的显著性目标检测装置及方法，涉及单像素成像与图像处理领域，其特征在于，包括光源、空间光调制装置、透镜、探测器与处理器模块，其中，所述空间光调制装置用于调制所述光源发射的光并照射至目标场景，所述处理器模块用于采集所述探测器的数据并对所述目标场景进行显著性目标检测。本发明专利技术提供的基于深度卷积神经网络的显著性目标检测方法，通过获取目标场景的离散余弦系数对目标场景进行重建，并通过可适应多种采样率变化深度的卷积神经网络将目标场景中的显著性目标区域检测出来，可实现在不更换探测设备的情况下，以灵活的采样率和成像分辨率进行显著性目标检测。辨率进行显著性目标检测。辨率进行显著性目标检测。

【技术实现步骤摘要】
一种基于深度卷积神经网络的显著性目标检测装置及方法


[0001]本专利技术涉及单像素成像与图像处理领域，尤其涉及一种基于深度卷积神经网络的显著性目标检测装置及方法。

技术介绍

[0002]显著性目标检测在诸如军事探测、智能监控、生物医学等各个方面都有着重要的应用。单像素成像技术可用于实现成本低且对极端条件适应力强的成像系统，相比于传统成像，它有更大的潜力应用于弱光成像、遥感成像、散射成像等领域中。因此，单像素成像技术近年来引起了广泛的关注，但是对于现阶段的单像素成像系统，在满足复杂视觉任务对高质量的复杂场景重建需求时，通常需要消耗大量的采样次数与采样时间，这大大阻碍了单像素成像技术的实用化进程。不同的应用场景对显著性目标检测精度需求是不同的。而显著性目标检测的精度，一般情况下与对目标场景的采样精度成正比。较高的采样精度通常意味着较多的采样次数。而对于某些显著性目标检测精度需求较低的应用场景，依靠传统成像系统对目标场景进行重构，会耗费大量冗余的数据采样。而使用单像素成像系统进行数据采集，则可灵活地根据需求，减少采样次数，可大大提高数据采样效率和数据处理效率。单像素成像技术序列式探测的优势应该被充分发挥，使其在复杂视觉任务中能够将探测资源与计算资源合理地耗费在具有重要意义的区域。同时由于单像素成像系统在数据采集阶段可实现压缩感知，且极端条件适应能力强，以单像素成像系统为数据探测模块的显著性目标检测系统，有潜力实现更高的效率和更广的适用范围。
[0003]在图像处理领域，传统经典模型需要人为地假设可能有效的特征并设计提取特征的方法，根据这些特征人为建立合适的数学模型，传统算法需要人们通过已有数据库先验信息人为制造特征，算法适应多种情况的能力较差。而近年来提出的应用于显著性目标检测的深度卷积神经网络模型，由于不需要通过先验信息人为选取特征，大大改善了模型的普适性，并且结合强大的运算使得对显著性目标区域的判定更为精准，在性能上已经远远超过了传统算法模型。
[0004]因此，本领域的技术人员致力于开发一种基于单像素成像与深度卷积神经网络的显著性目标检测装置及方法，通过获取目标场景的离散余弦系数矩阵，对目标场景进行重建，通过深度卷积神经网络检测目标场景中的显著性目标区域，通过单像素探测器得到目标的离散余弦系数矩阵，可实现在不更换探测设备的情况下，以灵活的采样率和成像分辨率，对目标场景的显著性目标检测。这种技术在军事侦查，探测，遥感等领域中都有着重要的意义。

技术实现思路

[0005]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是如何进行基于单像素成像与深度卷积神经网络的显著性目标检测。
[0006]为实现上述目的，本专利技术提供了一种基于深度卷积神经网络的显著性目标检测装
置，其特征在于，包括光源、空间光调制装置、透镜、探测器与处理器模块，其中，所述空间光调制装置用于调制所述光源发射的光并照射至目标场景，所述空间光调制装置使用预置的调制信息进行光场调制，所述空间光调制装置生成的空间光场为离散余弦结构光分布的光场，所述透镜用于汇聚所述目标场景的反射光，所述探测器用于探测所述反射光的强度，所述处理器模块用于采集所述探测器的数据并对所述目标场景进行显著性目标检测。
[0007]进一步地，所述处理器分别与所述空间光调制装置和所述探测器连接，实现同步控制。
[0008]进一步地，所述离散余弦结构光由以下公式获得：
[0009][0010]其中，当u或v取值为0时，当u或v取值不为0时，α(u or v)＝1；x，y，u，v，M，N为离散余弦变换中的变量，取值范围为0到128之间。
[0011]进一步地，所述探测器为阵列探测器或单像素探测器，所述单像素探测器为光电二极管或光电倍增管。
[0012]进一步地，所述光源为单色LED光源或热光源，所述透镜为凹透镜或凸透镜。
[0013]进一步地，所述空间光调制装置为空间光调制器或数字投影仪。
[0014]一种基于深度卷积神经网络的显著性目标检测方法，其特征在于，所述方法包括以下步骤：
[0015]步骤1、空间光调制装置调制光源发射的光并照射至目标场景处；
[0016]步骤2、透镜汇聚所述目标场景的反射光；
[0017]步骤3、处理器模块采集探测器探测的所述反射光的强度；
[0018]步骤4、对所述处理器模块采集的光强值矩阵进行一次离散余弦变换，并经过近似滤波和一次离散余弦反变换获得所述目标场景的离散余弦系数矩阵；
[0019]步骤5、对所述离散余弦系数矩阵进行一次离散余弦反变换之后，输入到深度卷积神经网络获取所述目标场景中的显著性目标区域。
[0020]进一步地，所述步骤1中，所述空间光调制装置使用预置调制信息进行光场调制，生成的空间光场为离散余弦结构光分布的光场。
[0021]进一步地，所述离散余弦结构光由以下公式获得：
[0022][0023]其中，当u或v取值为0时，当u或v取值不为0时，α(u or v)＝1；x，y，u，v，M，N为离散余弦变换中的变量，取值范围为0到128之间。
[0024]进一步地，所述步骤4中，所述离散余弦系数矩阵D(u,v)采用以下方式获得：
[0025]DI(u',v')＝D{I(u,v)}
[0026]DI(0,0)＝[DI(0,1)+DI(1,0)+DI(1,1)]3
[0027]D(u,v)＝D
‑1{DI(u',v')}
[0028]其中，D{}表示离散余弦变换；D
‑1{}表示离散余弦逆变换；I(u,v)对应于离散余弦光P(x,y；u,v)的探测器的响应，即探测到的总光强值。
[0029]与现有技术相比，本专利技术提供的一种基于深度卷积神经网络的显著性目标检测装置及方法，具有以下有益效果：
[0030]1、通过采集目标场景的离散余弦系数对目标场景进行重建。便于进行压缩感知，数据采样效率高；
[0031]2、使用多种离散余弦谱采样率下恢复的图片作深度卷积神经网络的训练集，使得网络对多种采样率下重建的目标场景具有一定的适应能力，可实现在不更换探测设备的情况下，以灵活的采样率和成像分辨率进行显著性目标检测。
[0032]3、对光源要求简单，普通的光源就可以实现；
[0033]4、无需阵列探测器，只需要一个单像素探测器，成本低；
[0034]5、光路简单，易于操作，便于实现。
[0035]以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。
附图说明
[0036]图1是本专利技术的一个较佳实施例的一种基于深度卷积神经网络的显著性目标检测装置及方法的示意图；
[0037]图2是本专利技术的一个较佳实施例的一种基于深度卷积神经网络的显著性目标检测装置及方法的深度神经网络结构示意图；
[0038]图3是本专利技术的一个较佳实施例的一种基于深度卷积神经网络的显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积神经网络的显著性目标检测装置，其特征在于，包括光源、空间光调制装置、透镜、探测器与处理器模块，其中，所述空间光调制装置用于调制所述光源发射的光并照射至目标场景，所述空间光调制装置使用预置的调制信息进行光场调制，所述空间光调制装置生成的空间光场为离散余弦结构光分布的光场，所述透镜用于汇聚所述目标场景的反射光，所述探测器用于探测所述反射光的强度，所述处理器模块用于采集所述探测器的数据并对所述目标场景进行显著性目标检测。2.如权利要求1所述的一种基于深度卷积神经网络的显著性目标检测装置，其特征在于，所述处理器分别与所述空间光调制装置和所述探测器连接，实现同步控制。3.如权利要求1所述的一种基于深度卷积神经网络的显著性目标检测装置，其特征在于，所述离散余弦结构光由以下公式获得：其中，当u或v取值为0时，当u或v取值不为0时，α(u or v)＝1；x，y，u，v，M，N为离散余弦变换中的变量，取值范围为0到128之间。4.如权利要求1所述的一种基于深度卷积神经网络的显著性目标检测装置，其特征在于，所述探测器为阵列探测器或单像素探测器，所述单像素探测器为光电二极管或光电倍增管。5.如权利要求1所述的一种基于深度卷积神经网络的显著性目标检测装置，其特征在于，所述光源为单色LED光源或热光源，所述透镜为凹透镜或凸透镜。6.如权利要求1所述的一种基于深度卷积神经网络的显著性目标检测装置，其特征在于，所述空间光调制装置为空间光调制器或数字投影仪。7.一种基于深度卷积神经网络的显著性目标检测方法，其特征在于，所述方法包括...

【专利技术属性】
技术研发人员：石剑虹，李永豪，曾贵华，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：