[发明专利]一种基于边缘细化的伪装物体检测方法

说明书

本发明公开了一种基于边缘细化的伪装物体检测方法，首先，利用各类伪装物体的原始图像来构建伪装物体图像数据集，然后构建伪装物体检测网络，接着使用伪装物体图像数据集对构建的伪装物体检测网络进行迭代训练，该伪装物体检测网络将伪装物体检测任务分成两个阶段，第一阶段负责伪装物体检测，第二阶段负责细化伪装物体边缘；最后，以待预测的伪装物体原始图像作为训练完成后的伪装物体检测网络模型的输入，利用该伪装物体检测网络模型输出对应的有区分出图像背景和伪装物体的伪装图。本发明不仅能准确定位伪装物体，而且能保证伪装物体边缘的清晰，有效提高了伪装物体图像整体的检测精度。

技术领域

本发明涉及伪装物体检测技术领域，特别是一种基于边缘细化的伪装物体检测方法。

背景技术

伪装是指物体根据环境的纹理，通过使自身的形态、质地和颜色等接近周围的环境来达到隐藏自己的目的。伪装物体的视觉特征与背景非常相似，它的强度或颜色接近其周围环境、纹理被破坏以与背景融合且边界模糊，这也使得伪装的物体不能被人类视觉系统充分地看见。随着人类社会的不断进步，伪装物体检测逐渐走进人们的生活中，它在保护野生动物、战场上探测敌人、医学图像分析等上都存在潜在应用。伪装物体检测就是从背景中提取目标，它能够区分前景物体和伪装物体。

近年来，基于各种视觉特征(例如，强度或颜色、纹理、梯度等)开发了各种算法，以实现在周围环境中检测伪装物体。强度或颜色特征可以检测出与环境背景纹理相似的伪装物体，但却无法检测到与环境背景颜色相似的伪装物体；而当物体的颜色与环境背景颜色相似时，纹理则被认为是区分物体与其周围环境的特征。如果物体和环境背景都包含相似的颜色和纹理，那么梯度信息则有助于从背景区域提取伪装目标。但是，所有特征，例如颜色、纹理和渐变等，都是手工制作的，可能不适用于所有类型的伪装物体。由于这种视觉特征的复杂性，这给伪装物体检测的突破带来了很大的阻碍，在这种背景下，基于深度学习的方法被提出来分析伪装物体。

在大多数情况下，人类仍然能够找到伪装对象，这是由于人类大脑中的语义信息有助于人类发现伪装对象，即使是在对象的底层特征被破坏的情况下。受人类视觉系统的启发，利用卷积神经网络从广泛的训练图像中学习得到的特征来检测伪装物体，这种学习到的深层特征与手工制作的特征相比更具普适性，整体检测的效果会更好。但是由于卷积神经网络的复杂性以及伪装物体的特殊性，现有的方法都有一定的局限性，比如现有的网络框架往往会存在边缘模糊、目标丢失等问题，这会给检测精度带来很大的影响，尤其是在医学影像中检测病变区域以及在军事领域检测敌人时发生的检测失误可能会产生不可估计的后果，因此伪装检测领域还存在巨大的进步空间。

发明内容

本发明的目的在于解决现有技术的不足，提出一种基于边缘细化的伪装物体检测方法，可以在准确定位伪装物体的情况下，保证边缘的清晰，提高整体的检测精度，提供应用于实际场景的更多可能性，给相关工作人员提供更可靠的帮助。

本发明的目的通过下述技术方案实现：

一种基于边缘细化的伪装物体检测方法，包括如下步骤：

S1、利用各类伪装物体的原始图像来构建伪装物体图像数据集；

S2、构建伪装物体检测网络；

S3、训练模型：使用伪装物体图像数据集对构建的伪装物体检测网络进行迭代训练，该伪装物体检测网络将伪装物体检测任务分成两个阶段，第一阶段负责伪装物体检测，第二阶段负责细化伪装物体边缘，训练完成后得到伪装物体检测模型；

S4、测试模型：以待预测的伪装物体原始图像作为训练完成后的伪装物体检测模型的输入，利用该伪装物体检测模型输出对应的有区分出图像背景和伪装物体的伪装图。

优选的，伪装物体检测网络包括特征提取模块、感受野模块、特征编码模块、特征解码模块以及边缘细化模块，其中，特征提取模块、感受野模块、特征编码模块、特征解码模块和边缘细化模块依次连接，感受野模块连接至边缘细化模块；