[发明专利]一种基于纹理感知的图像烟雾精细检测方法

权利要求书

1.一种基于纹理感知的图像烟雾精细检测方法，其特征在于，通过烟雾检测网络实现，所述烟雾检测网络包括特征提取模块、自注意力表达模块、全局卷积纹理感知模块以及特征解码模块，所述方法包括如下步骤：

步骤一、获取作为输入的彩色烟雾合成图像；

步骤二、基于特征提取模块，接受所述彩色烟雾合成图像，并对所述彩色烟雾合成图像进行提取，以分别得到低层局部特征、中层局部特征以及高层局部特征；

步骤三、基于自注意力表达模块，将所述高层局部特征作为输入，从所述高层局部特征中提取得到全局烟雾注意力特征；

步骤四、基于全局卷积纹理感知模块，将所述中层局部特征作为输入，从所述中层局部特征中提取得到烟雾物体级特征以及烟雾内部细节特征；

步骤五、基于特征解码模块，将所述低层局部特征、中层局部特征、高层局部特征、全局烟雾注意力特征、烟雾物体级特征以及烟雾内部细节特征作为输入，进行特征融合并映射为烟雾概率图，所述烟雾概率图为烟雾检测的结果。

2.根据权利要求1所述的一种基于纹理感知的图像烟雾精细检测方法，其特征在于，在所述步骤一中，彩色烟雾合成图像表示为：

I(x)＝αS(x)+(1-α)B(x)

其中，I(x)表示彩色烟雾合成图像，S(x)表示在坐标为x处的烟雾像素，B(x)表示在坐标为x处的背景像素，α表示在坐标为x处的合成系数，α∈[0，1]。

3.根据权利要求2所述的一种基于纹理感知的图像烟雾精细检测方法，其特征在于，在所述步骤二中，所述特征提取模块采用MobileNetV2作为主干网络用于提取烟雾特征，主干网络共28层，主干网络包括浅层网络、中层网络以及深层网络，所述浅层网络对应为第7层，中层网络对应为第11层，深层网络对应为第28层，所述浅层网络用于输出低层局部特征x_low，所述中层网络用于输出中层局部特征x_mid，所述深层网络用于输出高层局部特征x_high。

4.根据权利要求3所述的一种基于纹理感知的图像烟雾精细检测方法，其特征在于，在所述步骤三中，所述基于自注意力表达模块，将所述高层局部特征作为输入，从所述高层局部特征中提取得到全局烟雾注意力特征的方法包括如下步骤：

步骤3.1，将高层局部特征x_high输入至自注意力表达模块，通过三个1×1卷积核将高层局部特征x_high分解为第一烟雾子特征图Q、第二烟雾子特征图K以及第三烟雾子特征图V；

步骤3.2，根据第一烟雾子特征图Q与第二烟雾子特征图K计算得到纹理注意力图A；

步骤3.3，将纹理注意力图A应用到基于第三烟雾子特征图V与高层局部特征x_high进行加权融合以得到中间全局烟雾注意力特征；

步骤3.4，重复上述步骤3.1至步骤3.3，将中间全局烟雾注意力特征再次输入至自注意力表达模块，经过子特征图分解、计算纹理注意力图以及特征融合三步，以最终得到全局烟雾注意力特征x_ga。

5.根据权利要求4所述的一种基于纹理感知的图像烟雾精细检测方法，其特征在于，在所述步骤3.2中，所述纹理注意力图A的计算公式表示为：

其中，Q_i表示第一烟雾子特征图Q的第i个空间位置所对应的向量，K_j，i表示第二烟雾子特征图K与第一烟雾子特征图Q对应第i个空间位置处的向量的第j个分量，T表示转置操作，softmax(·)表示归一化操作。