一种图像边缘检测方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115908467A(43)申请公布日2023.04.04(21)申请号202211388079.0G06N3/045(2023.01)(22)申请日2022.11.08G06N3/0464(2023.01)(71)申请人中国人民解放军海军航空大学地址264001山东省烟台市芝罘区二马路188号科研学术处(72)发明人张毅杨秀霞王晨蕾刘伟李文强韩庆田于浩姜子劼(74)专利代理机构北京高沃律师事务所11569专利代理师贾瑞华(51)Int.Cl.G06T7/13(2017.01)G06V20/17(2022.01)G06V10/44(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书2页说明书8页附图3页(54)发明名称一种图像边缘检测方法及系统(57)摘要本发明公开了一种图像边缘检测方法及系统，涉及边缘检测技术领域，所述方法包括：获取原始图像；原始图像为无人机所处环境的图像；将原始图像输入至边缘检测模型中，得到原始图像的边缘图；边缘图用于无人机进行障碍物检测；边缘检测模型包括第一特征提取模块、第二特征提取模块、筛选模块和特征融合模块；第二特征提取模块由深度可分离卷积网络构建得到；筛选模块由基于自适应阈值法的八向差分算子构建得到。本发明引入深度可分离卷积网络，提高了边缘检测的效率；基于利用自适应阈值法对八向差分算子改进，且引入多尺度特征融合网络，提高了边缘检测的精度，进而提高了无人机在飞行过程中的障碍物检测的精度和效率。CN115908467ACN115908467A权利要求书1/2页1.一种图像边缘检测方法，其特征在于，所述方法包括：获取原始图像；所述原始图像为无人机所处环境的图像；将所述原始图像输入至边缘检测模型中，得到所述原始图像的边缘图；所述边缘图用于所述无人机进行障碍物检测；所述边缘检测模型包括第一特征提取模块、第二特征提取模块、筛选模块和特征融合模块；所述第二特征提取模块由深度可分离卷积网络构建得到；所述筛选模块由基于自适应阈值法的八向差分算子构建得到；所述第一特征提取模块用于对所述原始图像进行边缘检测，得到初始特征图；所述第二特征提取模块用于对所述初始特征图进行边缘检测，得到多张二次提取特征图；所述筛选模块用于对每张所述二次提取特征图进行像素点筛选，得到多张筛选后的特征图；所述特征融合模块用于将每张所述筛选后的特征图进行叠加融合，得到所述边缘图。2.根据权利要求1所述的图像边缘检测方法，其特征在于，所述第二特征提取模块包括A个所述深度可分离卷积网络，所述筛选模块包括A+1个所述八向差分算子；所述特征融合模块包括A个多尺度特征融合网络；A为正整数；所述第一特征提取模块的第一输出端与第1个所述深度可分离卷积网络的输入端连接，所述第一特征提取模块的第二输出端与第1个所述八向差分算子的输入端连接；第m个所述深度可分离卷积网络的第一输出端与第m+1个所述深度可分离卷积网络的输入端连接，第m个所述深度可分离卷积网络的第二输出端与第m+1个所述八向差分算子的输入端连接；第m个所述八向差分算子的输出端与第m+1个所述多尺度特征融合网络的第一输入端连接，第m+1个所述多尺度特征融合网络的输出端与所述第m个所述多尺度特征融合网络的第二输入端连接；1≤m＜A。3.根据权利要求1所述的图像边缘检测方法，其特征在于，所述八向差分算子表示为：其中，g1(x,y)为输入所述八向差分算子的图像的像素点(x,y)的八向差分值；g1(x,y)＝(|Δl|+|Δr|+|Δu|+|Δd|+|Δlu|+|Δld|+|Δru|+|Δrd|)÷8；Δl＝g(x,y‑1)‑g(x,y)，Δr＝g(x,y+1)‑g(x,y)，Δu＝g(x‑1,y)‑g(x,y)，Δd＝g(x+1,y)‑g(x,y)，Δlu＝g(x‑1,y‑1)‑g(x,y)，Δld＝g(x+1,y‑1)‑g(x,y)，Δru＝g(x‑1,y+1)‑g(x,y)，Δrd＝g(x+1,y+1)‑g(x,y)；g(x,y)为像素点(x,y)的像素值，Δl为第一像素差值，g(x,y‑1)为像素点(x,y‑1)的像素值，Δr为第二像素差值，g(x,y+1)为像素点(x,y+1)的像素值，Δu为第三像素差值，g(x‑1,y)为像素点(x‑1,y)的像素值，Δd为第四像素差值，g(x+1,y)为像素点(x+1,y)的像素值，Δlu为第五像素差值，g(x‑1,y‑1)为像素点(x‑1,y‑1)的像素值，Δld为第六像素差值，g(x+1,y‑1)为像素点(x+1,y‑1)的像素值，Δru为第七像素差值，g(x‑1,y+1)为像素点(x‑1,y+1)的像素值，Δrd为第八像素差值，g(x+1,y+1)为像