[发明专利]一种基于深度学习和邻接约束的纹理边界检测方法

权利要求书

1.一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，该方法模拟原始图像到标签图像的映射关系来实现图像的邻接纹理边界检测，其实施步骤为：

步骤一：设计基于编码器解码器结构的邻接纹理边界检测网络；

步骤二：使用邻接纹理边界数据合成器合成符合邻接纹理边界特征的纹理合成图像和对应的带有类别的邻接纹理边界均值图；

步骤三：图像预处理，根据带有类别的邻接纹理边界均值图得到无类别的邻接纹理边界图，进一步根据带有类别的邻接纹理边界均值图和无类别的邻接纹理边界图得到邻接约束信息图组；将步骤二中合成的符合邻接纹理边界特征的纹理合成图像作为训练数据并且将其RGB三通道的值压缩到[0,1]的范围，截取规定大小的图像块作为训练图像，并按照同样的方法截取对应的真实标签；

步骤四：训练参数设置，训练的优化器为Adam，初始学习率为10^-2，一阶矩估计的指数衰减率为0.9，二阶矩估计的指数衰减率为0.999，若模型性能在5轮训练中未得到提高，则学习率衰减为原来的一半，总共训练100轮，样本批处理参数默认设置为32；

步骤五：在深度学习框架上实现和训练步骤一中的基于编码器解码器结构的邻接约束纹理边界检测网络模型，并将步骤三中处理得到的训练图像输入模型通过损失函数计算损失，并输出网络预测的无类别纹理边界概率图和邻接约束信息图组，其中无类别纹理边界概率图即最终需要的纹理边界检测结果；

步骤六：对待检测图像使用步骤五中训练的基于编码器和解码器结构的邻接约束纹理边界检测网络模型进行检测，得到与待检测图像大小一致的初始邻接纹理边界概率预测图，将其重新映射到[0,255]之间，得到最终的邻接纹理边界图，像素值超过阈值的像素点代表纹理边界点。

2.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述步骤二中邻接纹理边界数据合成器，是使用python、opencv、qt5编写的一个自定义邻接纹理边界数据合成器。

3.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述步骤二中邻接纹理边界特征，表示两种或两种以上的纹理相接触会产生纹理边界，这条纹理边界上的边界点是像素的集合，每一个边界点都包含两个或两个以上不同类的像素点。

4.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述步骤二中自定义邻接纹理边界数据合成器的输入是一张有闭合区域的结构图，通过该合成器可以自动填充纹理，生成纹理合成图和对应的带有类别的邻接纹理边界均值图，所述的带有类别的邻接纹理边界均值图中，属于边界的像素点都带上了类别标签，用于区分属于哪一类纹理，非边界像素点的像素值使用该纹理的像素均值代替。

5.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述的步骤三的无类别邻接纹理边界图为二值图，属于边界的像素点的灰度值被赋值为255，属于纹理的像素点的灰度值被赋值为0。

6.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述的步骤三的邻接约束信息图组，所述的步骤三的邻接约束信息图组，针对一个纹理合成图，生成八张邻接约束信息图y_i(i∈[1,8]),分别对应边界像素点和其八邻域内像素点的关系，对应的顺序为左上、正上、右上、右中、右下、正下、左下和左中,每张图有两个通道，第一个通道表示是否同为边界点，如果是则赋值为255，反之赋值为0；第二个通道表示是否为同类纹理点，如果是则赋值为255，反之赋值为0。

7.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述的步骤三中，截取方法为有重叠的随机采样，真实标签为对应的无类别邻接纹理边界图和邻接约束信息图组。

8.如权利要求1中所述的一种基于深度学习和邻接约束的纹理边界检测方法，其特征在于，所述步骤五的深度学习框架为tensorflow。