一种基于深度学习的暗视觉及低照度图像边缘检测方法
基本信息
| 申请号 | CN202210366311.4 | 申请日 | - |
| 公开（公告）号 | CN114693712A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693712A | 申请公布日 | 2022-07-01 |
| 分类号 | G06T7/13（2017.01）I;G06T5/50（2006.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/80（2022.01）I;G06V10/74（2022.01）I;G06V10/82（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 赵志强;徐晓文;高新政;陶于祥;陈霖;王正军;崔一辉;王昆 | 申请（专利权）人 | 重庆邮电大学 |
| 代理机构 | 重庆辉腾律师事务所 | 代理人 | - |
| 地址 | 400065重庆市南岸区南山街道崇文路2号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于深度学习的暗视觉及低照度图像边缘检测方法，所述方法包括获取暗视觉/低照度图像；将暗视觉/低照度图像输入到预训练后的初级子网中，提取出多个边缘特征图，并形成第一边缘特征；将暗视觉/低照度图像与第一边缘特征输入到边缘增强模块中；将边缘增强后的暗视觉/低照度图像输入到次级子网中，提取出多个边缘特征图；将初次子网产生的第一边缘特征和多个边缘特征图与次级子网产生的多个边缘特征图进行特征图融合，得到暗视觉/低照度图像的边缘检测效果；本发明可在训练过程中，结合实时参数，对暗视觉/低照度图像的边缘增强效果进行动态调整，能有效地拉伸图像灰度级分布范围，较好地保留暗视觉/低照度图像的边缘特征。 |
