一种基于边缘信息和粗分割的伪装目标检测方法技术

本发明专利技术公开了一种基于边缘信息和粗分割的伪装目标检测方法，将图像通过骨干网络从每一层提取初步特征，记为f<subgt;1</subgt;~f<subgt;5</subgt;；特征f<subgt;2</subgt;~f<subgt;5</subgt;被输入到边缘感知模块中，边缘标签引导从每一层有效提取伪装目标的边缘信息，生成边缘特征图。特征f<subgt;1</subgt;~f<subgt;5</subgt;被输入到特征增强模块中，进一步精炼骨干网络提取的初步特征。粗略分割模块以f<subgt;1</subgt;~f<subgt;5</subgt;作为输入，并通过特征增强模块逐步将深层特征融合到浅层特征中，通过卷积处理融合后的特征，生成粗略分割图。语义集成模块将从边缘特征图和粗略分割图中提取的有用信息融入特征增强模块的输出特征中，最终获得预测图。本发明专利技术能够显著提高分割的精度和细节表现，能够在复杂背景中更准确地识别和分割伪装目标。

【技术实现步骤摘要】

本专利技术涉及目标检测，具体涉及一种基于边缘信息和粗分割的伪装目标检测方法，本专利技术可应用于自动驾驶、智能安防、军事侦察的伪装目标检测，以提升对隐蔽或伪装物体的识别精度和响应效率，属于智能识别。

技术介绍

1、伪装是生物在自然界中通过与周围环境高度融合来隐藏自己的策略。由于与背景的高度相似性，捕食者和猎物通常很难发现它们。伪装目标检测(cod)的任务是分割出人眼难以识别的目标，特别是那些与复杂背景紧密融合的目标。cod技术已被广泛应用于多个领域，包括医学图像分割(如息肉检测、肺部感染诊断和视网膜图像分割)、工业缺陷检测、物种发现与鉴定、城市规划(如道路识别)、图像检索、军事(伪装图案设计)和农业(如害虫识别)，因此引起了越来越多人的关注。

2、早期的cod方法主要依赖于手工制作的低级特征，这些特征容易受到复杂背景的干扰，导致检测准确率较低。例如，传统的图像处理技术可能会因为背景的纹理、颜色和形状与目标过于相似，而无法有效地将目标从背景中分离出来。为了解决这一问题，许多基于深度学习的cod方法逐渐涌现，这些方法利用神经网络的强大表征能力，能够从本文档来自技高网...

【技术保护点】

1.一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：步骤如下，

2.根据权利要求1所述的一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：步骤1.2)中，特征增强模块由四个子分支Bk(k＝1，2，3，4)以及一个主分支BO组成，每个子分支都包含深度可分离卷积，特征增强模块的输入为fi(i＝1，2，3，4，5)，输出表示为：

3.根据权利要求1所述的一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：步骤1.2)中，所述边缘感知模块用于融合高级和低级特征以生成辅助边缘信息；在边缘感知模块中，使用1×1卷积调整通道数至64，并上采样特征(f3～f5)...

【技术特征摘要】

1.一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：步骤如下，

2.根据权利要求1所述的一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：步骤1.2)中，特征增强模块由四个子分支bk(k＝1，2，3，4)以及一个主分支bo组成，每个子分支都包含深度可分离卷积，特征增强模块的输入为fi(i＝1，2，3，4，5)，输出表示为：

3.根据权利要求1所述的一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：步骤1.2)中，所述边缘感知模块用于融合高级和低级特征以生成辅助边缘信息；在边缘感知模块中，使用1×1卷积调整通道数至64，并上采样特征(f3～f5)以匹配f2的维度，进行通道拼接；然后，相邻尺度的特征被拼接以保留多尺度信息。

4.根据权利要求3所述的一种基于边缘信息和粗分割的伪装目标检测方法，其特征在于：边缘感知模块中包含多个特征过滤块，特征过滤块用于将特征fm与与其相邻尺度的特征fn进行拼接，得到fmn；拼接后的特征fmn通过两个独立的分支进行处理，其中一个分支包括一个1×1卷积层和一个sigmoid激活函数；考虑输入张量fmn＝[f1，1，f2，2，...，fi，j，...，fh，w]的切片表示，其中表示空间位置(i...

【专利技术属性】
技术研发人员：肖汉光，李金兰，姜彬，朱秘，代嘉惠，刘威，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：