免成像的边缘信息检测方法及系统技术方案

本申请提出了一种免成像的边缘信息检测方法及系统，其中，方法包括：基于深度神经网络设计免成像边缘解码网络；选定空间光调制掩膜，建立训练数据集，数据集中包括不同场景的单像素测量值和对应的边缘信息；通过数据集对免成像边缘解码网络进行训练；搭建单像素采集系统，通过单像素探测器采集场景的耦合测量值，并将采集的耦合测量值输入解码网络进行处理，生成场景的边缘信息。根据本申请的免成像的边缘信息检测方法能够实现免成像的边缘检测，采集数据量小且无须成像，对采集、通信、处理等模块要求较低，保密性强，可为机器智能提供新的机器视觉方法。

【技术实现步骤摘要】
免成像的边缘信息检测方法及系统
本申请涉及计算摄像学
，尤其涉及一种免成像的边缘信息检测方法及系统。
技术介绍
边缘检测在数据压缩、显微成像和各类计算机视觉任务等领域被广泛应用。传统的边缘检测算法主要是基于图像的亮度、色彩、梯度、纹理等特征检测图像中的某个像素点是否是边缘像素，上述方案中的边缘检测主要是基于邻域信息，而在实际应用中，由于环境变换很大，只有邻域信息不足以准确的检测出图像边缘，尤其是对纹理比较复杂的图像、低对比度的图像以及噪声很大的图像。在过去的几年里，卷积神经网络在计算机视觉上越来越受到欢迎，在图像分类，目标检测，语义分割等很多视觉领域里都刷新了最佳效果。卷积神经网络对自然图像特征有着强大的学习能力，因此也有算法开始讲卷积神经网络应用于边缘检测，基于卷积神经网络的边缘检测算法进一步提高了边缘检测的性能。然而，在大多数边缘检测应用中，感兴趣的区域仅是场景的边缘部分，而非整个场景。换句话说，在自然图像和视频中存在大量的像素不包含用于边缘检测任务的有用信息。这些无有用信息的像素浪费了硬件和软件成本。因此，目前需要一种提高信息获取和感知效率的方案。
技术实现思路
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请提出一种免成像的边缘信息检测方法及系统，以实现免成像的边缘检测，采集数据量小且无须成像，对成像、通信等模块要求较低。本申请第一方面实施例提出了一种免成像的边缘信息检测方法，包括：确定空间光调制掩膜，并建立单像素采集系统，所述单像素采集系统包括单像素探测器；通过所述单像素探测器采集由所述空间光调制掩膜调制后的耦合测量值，其中，所述耦合测量值与当前场景对应；将所述耦合测量值输入预先训练的所述解码网络进行处理，生成所述当前场景的边缘信息。另外，根据本申请上述实施例的免成像的边缘信息检测方法还可以具有如下附加技术特征：可选地，所述空间光调制掩膜包括：随机灰度调制掩膜、随机二值调制掩膜、哈达玛调制掩膜、正弦类调制掩膜、优化调制掩膜。可选地，所述方法还包括：建立由单像素测量值到场景边缘信息的样本数据集，并根据所述样本数据集对所述解码网络进行端到端训练，其中，所述样本数据集包括不同场景的单像素测量值、不同场景的边缘信息。可选地，所述建立由单像素测量值到场景边缘信息的样本数据集，包括：利用所述空间光调制掩膜与实际场景生成一维的单像素测量值，以及获取所述实际场景的边缘信息；将所述单像素测量值与所述实际场景的边缘信息作为一组数据样本。可选地，通过边缘检测算子或神经网络获取所述实际场景的边缘信息，其中，所述边缘检测算子包括Sobel算子、Canny算子、Prewitt算子、Roberts算子，所述神经网络包括卷积神经网络和循环神经网络。本申请实施例的免成像的边缘信息检测方法，通过解码网络从单像素探测器采集的耦合测量值中检测场景的边缘信息，能够实现免成像的边缘检测，采集数据量小且无须成像，对成像、通信等模块要求较低，保密性强，可为机器智能提供新的机器视觉思路。本申请第二方面实施例提出了一种免成像的边缘信息检测系统，包括：空间光调制掩膜、单像素探测器和解码网络；其中，所述单像素探测器用于采集由所述空间光调制掩膜调制后的耦合测量值，其中，所述耦合测量值与当前场景对应；所述解码网络用于根据所述耦合测量值生成所述当前场景的边缘信息。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明图1为本申请实施例所提供的一种免成像的边缘信息检测方法的流程示意图；图2为本申请实施例所提供的解码网络训练的示意图；图3为测试阶段系统框图；图4为本申请实施例所提供的一种系统的示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。下面参考附图描述本申请实施例的免成像的边缘信息检测方法、系统及设备。图1为本申请实施例所提供的一种免成像的边缘信息检测方法的流程示意图，如图1所示，该方法包括：步骤101，获取当前场景的空间光调制掩膜，该调制掩膜是预先确定的。本实施例中，空间光调制掩膜可以包括随机灰度调制掩膜，随机二值调制掩膜，哈达玛调制掩膜，正弦类调制掩膜，优化调制掩膜等。本实施例中，可以搭建单像素采集系统，单像素采集系统中包括单像素探测器，单像素探测器用于采集一维的耦合测量值。步骤102，通过单像素探测器采集由空间光调制掩膜调制后的耦合测量值，将耦合测量值输入预先训练的解码网络进行处理，生成当前场景的图像边缘信息。本实施例中，对于当前场景，通过预先设定好的调制掩膜对光路进行调制，进而利用透镜将光聚焦到一点并通过单像素探测器进行采集，将采集到的测量值序列输入到解码网络中，输出为场景的边缘信息。本实施例中，解码网络用于从耦合测量值之中检测出的边缘信息，解码网络包括推论部分和边缘检测网络。其中，推论部分包括但不仅限于全连接层和卷积层，推论部分用于将一维的耦合测量值转换为二维的形式，并作为边缘检测网络的输入，边缘检测网络的结构包括但不仅限于以下列出的结构：DeepEdge、N4-Fields、CS-CNN(ConvolutionalNeuralNetworks,卷积神经网络)、DeepContour、HED(Holistically-NestedEdgeDetection)和RCF(richerconvolutionalfeatures)等。本申请实施例的免成像的边缘信息检测方法，通过解码网络从单像素探测器采集的耦合测量值中检测场景的边缘信息，能够实现免成像的边缘检测，采集数据量小且无须成像，对成像、通信等模块要求较低，保密性强，可为机器智能提供新的机器视觉思路。下面结合图2对解码网络的训练过程进行说明。本实施例中，获取样本数据集，并根据样本数据集对解码网络进行端到端训练。解码网络包括但不限于全连接层和卷积层、以及边缘检测网络。其中，获取样本数据集包括：利用预先确定的调制掩膜与实际场景生成一维单像素测量值，该单像素测量值与对应的实际场景的边缘信息为一组数据样本。其中，实际场景的边缘信息可以利用边缘检测算子或者神经网络的方式获取。边缘检测算子包括但不限于Sobel算子、Canny算子、Prewitt算子、Roberts算子等，神经网络包括但不限于卷积神经网络和循环神经网络。其中，对解码网络的训练包括以下一个阶段：通过样本数据集训练解码网络并更新解码网络的参数。测试阶段如图3所示，通过预定好的调制掩膜对光路进行非负数值调制，并用单像素探测器采集得到耦合测量值，进而将该耦合本文档来自技高网...

【技术保护点】
1.一种免成像的边缘信息检测方法，其特征在于，包括：/n确定空间光调制掩膜，并建立单像素采集系统，所述单像素采集系统包括单像素探测器；/n通过所述单像素探测器采集由所述空间光调制掩膜调制后的耦合测量值，其中，所述耦合测量值与当前场景对应；/n将所述耦合测量值输入预先训练的所述解码网络进行处理，生成所述当前场景的边缘信息。/n

【技术特征摘要】
1.一种免成像的边缘信息检测方法，其特征在于，包括：
确定空间光调制掩膜，并建立单像素采集系统，所述单像素采集系统包括单像素探测器；
通过所述单像素探测器采集由所述空间光调制掩膜调制后的耦合测量值，其中，所述耦合测量值与当前场景对应；
将所述耦合测量值输入预先训练的所述解码网络进行处理，生成所述当前场景的边缘信息。


2.如权利要求1所述的方法，其特征在于，所述空间光调制掩膜包括：随机灰度调制掩膜、随机二值调制掩膜、哈达玛调制掩膜、正弦类调制掩膜、优化调制掩膜。


3.如权利要求1所述的方法，其特征在于，还包括：
建立由单像素测量值到场景边缘信息的样本数据集，并根据所述样本数据集对所述解码网络进行端到端训练，其中，所述样本数据集包括不同场景的单像素测量值、不同场景的边缘信息。


4.如权利要求3所述的方法，...

【专利技术属性】
技术研发人员：边丽蘅，傅毫，张军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11