用于高分辨率图像的基于深度学习的亚像素边缘提取算法制造技术

本发明专利技术公开了用于高分辨率图像的基于深度学习的亚像素边缘提取算法，包括以下步骤：对全尺寸分辨率图像进行灰度归一化处理，随后输入至神经网络，依次进行编码处理和解码处理，输出特征图，对输出的特征图进行全尺寸边缘恢复，得到全尺寸的边缘图像。本发明专利技术解决了高分辨率下图像下的边缘提取，实现无须对输入图像进行尺寸缩小情况下或输出特征相对于输入尺寸缩小情况下恢复同等尺寸的边缘提取结果；在保障边缘提取精度的同时，提高网络推演速度；本发明专利技术发明专利技术了全新的亚像素级的边缘平滑损失函数，克服了亚像素级的边缘不够平滑的缺点，提升了亚像素提取的精度；可摒弃目前边缘提取后处理方法，实现更高效的亚像素级别的边缘提取。缘提取。缘提取。

【技术实现步骤摘要】
用于高分辨率图像的基于深度学习的亚像素边缘提取算法


[0001]本专利技术属于图像处理
，具体涉及用于高分辨率图像的基于深度学习的亚像素边缘提取算法。

技术介绍

[0002]边缘提取是计算机视觉的一个基础研究领域，在工业检测、视觉测量、目标分割等领域具有广泛的应用。物体边缘主要是描述物体边界区域的灰度变化，通常采用灰阶梯度进行表示。传统的边缘表示主要采用边缘算子如sobel、canny等进行表示。Sobel采用简单的卷积核对图像进行处理，对于成像清晰、灰度变化明显的区域具有良好的提取效果，然而当图像存在噪声、光线不均匀的场景容易提取“伪边缘”。Canny算子采用双阈值进行噪声抑制，并采用非极大值剔除噪声边缘，可以取得更好的提取效果，但由于传统边缘提取算法均采用固定常数的卷积核，因此无法适应光照条件复杂、边缘模糊或噪声较多的图像。同时，由于边缘提取仅仅以灰度信息为依据，因此无法直接应用于存在物体遮挡及轮廓提取等具有语义边缘的使用场景。
[0003]在实际的工业应用中，人们更关注的是如物体轮廓等感兴趣区域的边缘，此类边缘的特点就是具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于高分辨率图像的基于深度学习的亚像素边缘提取算法，其特征在于，用于从高分辨率的边缘检测神经网络的降尺寸输出中恢复亚像素全尺寸边缘，包括以下步骤：对全尺寸分辨率图像进行灰度归一化处理，随后输入至神经网络，通过神经网络中的特征提取网络依次进行编码处理和解码处理，输出降采样的特征图，降采样的特征图包括降采样边缘输出特征图和降采样偏移量输出特征图，对特征提取网络输出的特征图进行全尺寸边缘恢复，得到全尺寸的边缘图像，降采样边缘输出特征图采用热力图损失函数进行监督，降采样偏移量输出特征图采用偏移量损失函数进行监督，最终恢复得到的全尺寸边缘采用像素平滑的损失函数监督，三个监督损失进行融合得到整体损失。2.根据权利要求1所述的用于高分辨率图像的基于深度学习的亚像素边缘提取算法，其特征在于，所述特征提取网络包括编码模块和解码模块，通过编码模块对输入神经网络的全尺寸分辨率图像进行编码处理，通过解码模块对编码模块传输的图像进行解码处理。3.根据权利要求1所述的用于高分辨率图像的基于深度学习的亚像素边缘提取算法，其特征在于，所述特征提取网络输出的特征图的尺寸为输入神经网络的全尺寸分辨率图像尺寸的1/2
n
倍，n不小于1；所述特征提取网络以降采样1/2
n
的边缘图像的高斯热力图作为输出真值，高斯热力图满足以下条件：边缘图像是连续的，对于相邻区域的高斯图像采用像素级的最大化，保障边缘的高斯热力图的连续性。4.根据权利要求1所述的用于高分辨率图像的基于深度学习的亚像素边缘提取算法，其特征在于，所述偏移量损失函数采用以...

【专利技术属性】
技术研发人员：李栋，李苏祺，黄磊，
申请(专利权)人：江苏集萃智能光电系统研究所有限公司，
类型：发明
国别省市：