物体图像的遮挡边界检测方法研究

发布时间：2021-05-08 04:37

　　二维图像是目前应用最广泛地可视化数据形式之一,对视觉信息的传播与展示具有重要意义。计算机视觉领域的研究任务大都依靠二维图像这种数据形式展开。尽管近年来三维图像技术已经有了长足的发展,但是由于三维数据摄取成本较高,所占的资源消耗也比较大,在可预期的未来。三维图像这种数据形式仍然难以与二维图像相提并论。二维图像数据虽然简单易存储,但是由于二维图像缺少了现实世界中的深度信息,导致了二维图像中的信息缺失。图像中普遍存在的遮挡现象便是图像信息缺失的直接表现。本文针对普通二维图像中的普遍存在的遮挡现象展开研究。解决二维图像的遮挡边界检测问题。本文提出了端到端的基于编码器解码器的多分支遮挡边界检测算法,能够针对图像中的遮挡现象,检测物体之间的遮挡边界,并通过左手定则来判断物体之间的遮挡关系。针对二维图像中存在的边界像素与非边界像素不平衡问题,提出新的损失函数来平衡边界像素与非边界像素的权重,并通过实验验证提出的损失函数能够有效降低目前遮挡边界检测中存在的遮挡边界像素的误判率。本文方法在公共数据集BSDS500和PIOD上进行了系统性验证实验。通过定量和定性实验,证明所提出方法能够精确检测出物体图像中... 

【文章来源】：天津工业大学天津市

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题背景
    1.2 研究价值及应用领域
    1.3 国内外研究现状分析
    1.4 论文主要研究内容及贡献
    1.5 论文结构安排
第二章 相关背景知识
    2.1 边界检测技术
        2.1.1 边界检测思想
        2.1.2 传统边界检测算法
    2.2 深度神经网络
        2.2.1 经典神经网络
        2.2.2 深度神经网络的技术原理
        2.2.3 经典深度神经网络架构
        2.2.4 深度神经网络的应用
        2.2.5 基于深度神经网络的边界检测算法
    2.3 本章小结
第三章 基于编码器解码器的多分支遮挡边界检测算法
    3.1 问题描述
        3.1.1 遮挡边界的定义
        3.1.2 判断遮挡关系的左手定则
        3.1.3 边界像素点的方向定义
    3.2 网络结构分析
    3.3 损失函数
    3.4 网络训练
    3.5 本章小结
第四章 实验部分
    4.1 实验数据集
    4.2 客观评价指标
    4.3 实验设计与实现细节
        4.3.1 实验平台介绍
        4.3.2 数据增强
        4.3.3 超参数的设置
        4.3.4 损失函数
    4.4 实验结果及分析
        4.4.1 BSDS500数据集
        4.4.2 PIOD数据集
    4.5 实验小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
发表论文和参加科研情况
致谢



本文编号：3174686