[发明专利]一种基于局部二值模式的像素差卷积边缘检测方法

权利要求书

1.一种基于局部二值模式的像素差卷积边缘检测方法，其特征在于，所述方法包括如下步骤：

S1. 构建像素差异卷积以替换深度卷积神经网络中的普通卷积层，建立像素差异卷积神经网络；所述像素差异卷积为径向像素差异卷积：在输入特征图上，依其内核大小，对局部邻域 进行采样；在后续的聚合中，首先将局部邻域 中的每个像素的强度值减去区域中心像素的强度值，然后再通过可学习的权重，以加权求和的方式来处理差值，即对中心像素及其圆对称邻域之间的差进行编码；

综合强度语义信息后，所述径向像素差异卷积的输出特征图用公式表示为：

其中，表示局部区域 中中心像素点的所在位置，表示枚举 中的像素位置，超参数]为权衡强度信息和梯度信息对边缘检测预测结果的贡献，且其为可学习的值；

S2. 使用像素差异卷积神经网络对图像进行边缘检测，输出边缘检测结果。

2.根据权利要求1所述的基于局部二值模式的像素差卷积边缘检测方法，其特征在于，所述深度卷积神经网络使用VGG16结构作为主干网络，并在5个卷积阶段中均利用每一层的特征图，提供不同尺度的感知领域。

3.一种基于局部二值模式的像素差卷积边缘检测方法，其特征在于，所述方法包括如下步骤：

S1. 构建像素差异卷积以替换深度卷积神经网络中的普通卷积层，建立像素差异卷积神经网络；所述像素差异卷积为角向像素差异卷积：在输入特征图上，依其内核大小，对局部邻域 进行采样；在后续的聚合中，对与当前位置相同的切比雪夫距离上的相邻像素之间的差值进行编码，以保留角度信息；

综合强度语义信息后，所述角向像素差异卷积的输出特征图用公式表示为：

其中，表示局部区域 中中心像素点的所在位置，表示枚举 中的像素位置，表示与中心像素半径相同的点集中的相邻位置，超参数]为权衡强度信息和梯度信息对边缘检测预测结果的贡献，且其为可学习的值；

S2. 使用像素差异卷积神经网络对图像进行边缘检测，输出边缘检测结果。

4.根据权利要求3所述的基于局部二值模式的像素差卷积边缘检测方法，其特征在于，所述深度卷积神经网络使用VGG16结构作为主干网络，并在5个卷积阶段中均利用每一层的特征图，提供不同尺度的感知领域。

5.根据权利要求3所述的基于局部二值模式的像素差卷积边缘检测方法，其特征在于，所述切比雪夫距离。