[发明专利]一种结合边缘信息的图像显著性目标检测方法

说明书

本发明公开了一种结合边缘信息的图像显著性目标检测方法，首先使用编码器网络对输入图像进行特征提取，获得5个不同尺度的特征；在解码器步骤中使用边缘信息模块对1、2、3层的特征信息进行处理获得边缘预测图；再将第4层和第5层特征进行处理，分别与边缘预测图相加；然后沿通道维进行拼接，再经过conv处理压缩通道并使用sigmoid激活函数最终得到网络的预测显著图；最后使用损失函数对整体模型网络进行优化。本发明所述的方法，可以有效提高图像显著目标检测的准确率。通过使用边缘信息提取模块，可以有效提高显著目标的完整性。

技术领域

本发明属于图像处理领域，针对显著性目标的边缘信息，具体设计了一种图像显著性目标检测方法。

背景技术

图像显著目标检测是指计算机自动的分割出图像中的显著目标。该技术的应用场景非常广泛，比如用于图片压缩，或者作为目标识别、语义分割、目标跟踪等的预处理任务。

为了获得准确的图像显著目标分割结果，传统的解决方案是手工设计一种特征提取方法，然后根据该特征进行按照像素分类。

已有的图像显著目标分割方法，常常忽略显著性目标的边缘信息，导致分割后的目标不具有完整的轮廓。因此，本文提出能够有效融合目标边缘和显著信息的方法。

发明内容

本发明的目的是针对单张图像使用计算机自动将图像中的显著目标分割出来，本发明提出了一种结合边缘信息的图像显著性目标检测方法。

本发明解决其技术问题所采用的技术方案。

一种结合边缘信息的图像显著性目标检测方法，步骤如下：

步骤(1)：使用编码器网络对输入图像进行特征提取，从而获得5个不同尺度的特征。

步骤(2)：在解码器步骤中使用边缘信息模块。将编码器中1、2、3层的特征信息经过conv，然后将2、3层的特征信息进行上采样与1层的特征进行拼接，将拼接后特征进行conv处理来压缩通道，最后经过sigmoid获得边缘预测图。

步骤(3)：将第4层和第5层特征分别经过conv，然后将第4层和第5层的特征信息进行上采样。将步骤(2)中得到的边缘预测图分别与上述两个特征按照像素位置进行相加。最后将两层特征沿通道维进行拼接，再经过conv处理压缩通道并使用sigmoid激活函数最终得到网络的预测显著图。

步骤(4)：使用损失函数对整体模型网络进行优化。

本发明的有益效果如下:

本发明所述的方法，可以有效提高图像显著目标检测的准确率。通过使用边缘信息提取模块，可以有效提高显著目标的完整性。

附图说明

图1为本发明实施例显著目标检测网络框图。

具体实施方式

以下结合附图与实施例对本发明方法进行进一步描述。

图1为本发明实施例显著目标检测网络框图。

一种结合边缘信息的图像显著性目标检测方法，步骤如下：

步骤(1)：