[发明专利]一种基于纹理感知的图像烟雾精细检测方法

说明书

本发明提出一种基于纹理感知的图像烟雾精细检测方法，该方法包括：基于特征提取模块，用于获取低层局部特征、中层局部特征以及高层局部特征；基于自注意力表达模块，用于从高层局部特征中获取全局烟雾注意力特征；基于全局卷积纹理感知模块，用于从中层局部特征中获取烟雾物体级特征以及烟雾内部细节特征；基于特征解码模块，用于将以上所有特征融合并映射为烟雾概率图，作为烟雾精细检测的结果。本发明可以端对端地从图像中精确捕获烟雾位置，并反映烟团内部细节，以此为烟雾浓度、烟团运动趋势的分析等早期火灾检测的后续任务提供线索，在火灾安防领域具有良好的应用前景。

技术领域

本发明涉及机器学习与多媒体数据分析技术领域，特别涉及一种基于纹理感知的图像烟雾精细检测方法。

背景技术

预防火灾并尽早地发现与判断火情，不但能够有效降低甚至避免大量的经济与动植物损失，还能尽可能减少或防止人员伤亡，并节约用于出警的社会资源。火灾初期通常会产生大量烟雾，而通过对烟雾的检测能够进行早期火灾预警。

烟雾的动态特征具有独特性，但过于依赖动态特征容易引入误报。研究表明：烟雾的纹理特征具有独特性和鲁棒性，充分利用纹理特征能够提高图像烟雾检测的准确性，用于有效降低误报。但对于云、雾等与烟雾具有相似纹理的物体依然会带来误报，如何进一步提升依赖纹理特征的烟雾检测的鲁棒性是难题。

现有烟雾检测方法中，基于语义分割模型的方法精度最高，但都依赖卷积运算，因此受到局部视野的影响容易导致误报和漏报。且烟团内部特性、烟雾的模糊边缘等独特的烟雾语义未得到充分表达，影响烟雾检测的鲁棒性；此外，注意机制能够捕获长距离信息，打破局部特征的局限，且注意力图能够反映烟雾的模糊边缘。因此，将注意力与卷积相结合有助于融合烟雾的对象级特征和内部烟雾结构的局部级特征。然而全局注意力的计算量较大，影响烟雾检测的可应用性。

基于此，有必要提出一种基于纹理感知的图像烟雾精细检测方法，以解决上述技术问题。

发明内容

鉴于上述状况，本发明的主要目的是为了提出一种基于纹理感知的图像烟雾精细检测方法，以解决上述技术问题。

本发明实施例提出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。

本发明提出一种基于纹理感知的图像烟雾精细检测方法，该方法包括：基于特征提取模块，用于获取低层局部特征、中层局部特征以及高层局部特征；基于自注意力表达模块，用于从高层局部特征中获取全局烟雾注意力特征；基于全局卷积纹理感知模块，用于从中层局部特征中获取烟雾物体级特征以及烟雾内部细节特征；基于特征解码模块，用于将以上所有特征融合并映射为烟雾概率图，作为烟雾精细检测的结果。本发明可以端对端地从图像中精确捕获烟雾位置，并反映烟团内部细节，以此为烟雾浓度、烟团运动趋势的分析等早期火灾检测的后续任务提供线索，在火灾安防领域具有良好的应用前景。

在所述步骤一中，彩色烟雾合成图像表示为：