基于卷积神经网络的热红外图像语义分割研究
发布时间：2022-01-12 15:18
可见光图像是外部光源照射拍摄物体表面经反射得到,而热红外图像却由拍摄目标自身发出的红外光波所形成的图像,所以红外相机能在黑夜无光源环境下有效成像。因此,对热红外图像进行语义分割,可以实现全天时全天候的图像分析和理解。热红外图像本质是对拍摄物体及其周围环境温度场的表示,具有低分辨率、弱对比度、弱纹理、轮廓信息不显著等特点。直接使用基于可见光的语义分割算法不能很好地处理热红外图像。本文就如何解决热红外语义分割问题展开相关研究,不仅取得了良好的分割精度而且满足实时运行要求。本文主要研究成果包含以下三个方面:第一,提出了一种基于门机制的边缘引导网络,实现精准的热红外图像语义分割。针对热红外图像存在的弱轮廓,弱对比度等问题,将边缘信息作为先验知识,设计边缘引导模块,使得网络更好地分割目标。由于额外引入的边缘信息可能存在噪声,干扰分割结果,所以又增加门机制抑制噪声。该方法在热红外图像语义分割数据集SODA取得良好结果,证明其有效性和先进性。此外还在可见光数据集验证并取得良好精度,证明该方法同样适用于可见光数据。第二,建立一个热红外图像语义分割数据集。由于缺乏有效公共的热红外图像语义分割数据集,本文...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
热红外相对可见光的优势
第一章绪论2机可以推断出更多有用信息，例如，检测物体类型，分析物体表面材质，判断目标健康程度，恶劣环境下发现目标。在大多数工业领域，一个稳定的温度对于保障整个系统的良好运转至关重要。许多重要设备，例如，储油气罐、阀门、管道、窑炉等，都是在高温高压条件下运作，而且大多数生产操作都是一体化、流程化作业，周期运行长，加上工业生产本身固有的、难以预料的危险性，生产或加工的材料存在一些易燃易爆产品，所以这些生产部门历年来都非常重视生产工艺过程中对运行设备本身的可靠性及安全性严密检测并且定期停产检修，把可能出现的问题从源头消除。这些损坏部位常常先发生在管内，管道外部变化很细微，肉眼很难从外部直接察觉。而管道内部的好坏常与温度相关，如果某个点的温度突然升高或管道的温度分布不均，表明该部分很有可能出现错误或紊乱。所以在设备发生故障之前，及时发现设备异常的温度变化具有很大的意义。使用热红外相机，可以在不干扰生产且不跟物体直接接触的情况下检测温度变化，对设备的运行状态及时掌握，大大降低出事故的可能性。图1.2热红外技术应用Fig1.2Applicationsofthermalinfraredtechnology热红外摄像仪在电力领域的应用，包括对场景输配线路、变电站、电力开关柜等远距离实时监测温度，精确定位不同温度点，防止仪器设备因发热过高而发生故障。在智能制造业中，可以监控流水线设备运转和电气连接，助力高精度零部件加工和生产线过
第三章基于边缘条件引导的热红外语义分割14图3.1EC-CNN模型有效性展示Fig3.1TheeffectivenessdemonstrationofEC-CNN第二点，提出一个热红外语义分割标准数据集。具本文所知，截止目前，在公共语义分割数据集上并没有任何一个有关热红外语义分割数据集，所以，制作热红外图像语义分割数据集并验证所提出方法的有效性，并向学术研究领域公开，促进语义分割领域发展。为了充分体现热红外数据的优势，可以同时在白天和黑夜拍摄到有用的数据。SODA一共包含超过2000张以上手工采集的数据和5000张算法合成的热红外数据，其中包含20个语义类别标签，并且数据内容来自于多视角、并且多场景拍摄。其中，由于标注语义分割数据的复杂性，本文为了节约成本，采用标注少量部分热红外数据，其他部分数据用图像转换算法将现有可见光语义分割数据集转换成虚拟的热红外数据。最后，在本文提出的SODA数据集上，对比了多个方法。为了证明本文提出的基于边缘条件引导的神经卷积网络的有效性。本文采用三种评价指标（平均交并比，像素准确度，运行时间）和十个最先进的语义分割算法进行综合性比较。通过综合分析，展现本文提出方法的有效性。据已了解的知识，这是第一个研究热红外语义分割问题的工作。本文的贡献总结如下：本文针对热红外语义分割问题提出了一种基于边缘条件卷积神经网络。基于边缘条件卷积神经网络可以通过自适应方式将边缘先验嵌入网络中使得分割结果更具鲁棒性。
【参考文献】：
期刊论文
[1]基于深度卷积神经网络的道路场景理解[J]. 吴宗胜,傅卫平,韩改宁. 计算机工程与应用. 2017(22)
[2]图像语义分割深度学习模型综述[J]. 张新明,祝晓斌,蔡强,刘新亮,邵玮,王磊. 高技术通讯. 2017(Z1)
[3]基于深度学习的无人车夜视图像语义分割[J]. 高凯珺,孙韶媛,姚广顺,赵海涛. 应用光学. 2017(03)
[4]一种多尺度CNN的图像语义分割算法[J]. 刘丹,刘学军,王美珍. 遥感信息. 2017(01)
[5]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[6]基于DCNN的图像语义分割综述[J]. 魏云超,赵耀. 北京交通大学学报. 2016(04)
[7]高阶马尔科夫随机场及其在场景理解中的应用[J]. 余淼,胡占义. 自动化学报. 2015(07)
[8]基于高阶CRF模型的图像语义分割[J]. 毛凌,解梅. 计算机应用研究. 2013(11)
博士论文
[1]基于卷积神经网络的医学图像癌变识别研究[D]. 薛迪秀.中国科学技术大学 2017
[2]基于深度学习的红外图像语义分割技术研究[D]. 王晨.中国科学院大学(中国科学院上海技术物理研究所) 2017
硕士论文
[1]基于卷积神经网络的图像语义分割[D]. 陈鸿翔.浙江大学 2016
本文编号：3585004
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
热红外相对可见光的优势
第一章绪论2机可以推断出更多有用信息，例如，检测物体类型，分析物体表面材质，判断目标健康程度，恶劣环境下发现目标。在大多数工业领域，一个稳定的温度对于保障整个系统的良好运转至关重要。许多重要设备，例如，储油气罐、阀门、管道、窑炉等，都是在高温高压条件下运作，而且大多数生产操作都是一体化、流程化作业，周期运行长，加上工业生产本身固有的、难以预料的危险性，生产或加工的材料存在一些易燃易爆产品，所以这些生产部门历年来都非常重视生产工艺过程中对运行设备本身的可靠性及安全性严密检测并且定期停产检修，把可能出现的问题从源头消除。这些损坏部位常常先发生在管内，管道外部变化很细微，肉眼很难从外部直接察觉。而管道内部的好坏常与温度相关，如果某个点的温度突然升高或管道的温度分布不均，表明该部分很有可能出现错误或紊乱。所以在设备发生故障之前，及时发现设备异常的温度变化具有很大的意义。使用热红外相机，可以在不干扰生产且不跟物体直接接触的情况下检测温度变化，对设备的运行状态及时掌握，大大降低出事故的可能性。图1.2热红外技术应用Fig1.2Applicationsofthermalinfraredtechnology热红外摄像仪在电力领域的应用，包括对场景输配线路、变电站、电力开关柜等远距离实时监测温度，精确定位不同温度点，防止仪器设备因发热过高而发生故障。在智能制造业中，可以监控流水线设备运转和电气连接，助力高精度零部件加工和生产线过
第三章基于边缘条件引导的热红外语义分割14图3.1EC-CNN模型有效性展示Fig3.1TheeffectivenessdemonstrationofEC-CNN第二点，提出一个热红外语义分割标准数据集。具本文所知，截止目前，在公共语义分割数据集上并没有任何一个有关热红外语义分割数据集，所以，制作热红外图像语义分割数据集并验证所提出方法的有效性，并向学术研究领域公开，促进语义分割领域发展。为了充分体现热红外数据的优势，可以同时在白天和黑夜拍摄到有用的数据。SODA一共包含超过2000张以上手工采集的数据和5000张算法合成的热红外数据，其中包含20个语义类别标签，并且数据内容来自于多视角、并且多场景拍摄。其中，由于标注语义分割数据的复杂性，本文为了节约成本，采用标注少量部分热红外数据，其他部分数据用图像转换算法将现有可见光语义分割数据集转换成虚拟的热红外数据。最后，在本文提出的SODA数据集上，对比了多个方法。为了证明本文提出的基于边缘条件引导的神经卷积网络的有效性。本文采用三种评价指标（平均交并比，像素准确度，运行时间）和十个最先进的语义分割算法进行综合性比较。通过综合分析，展现本文提出方法的有效性。据已了解的知识，这是第一个研究热红外语义分割问题的工作。本文的贡献总结如下：本文针对热红外语义分割问题提出了一种基于边缘条件卷积神经网络。基于边缘条件卷积神经网络可以通过自适应方式将边缘先验嵌入网络中使得分割结果更具鲁棒性。
【参考文献】：
期刊论文
[1]基于深度卷积神经网络的道路场景理解[J]. 吴宗胜,傅卫平,韩改宁. 计算机工程与应用. 2017(22)
[2]图像语义分割深度学习模型综述[J]. 张新明,祝晓斌,蔡强,刘新亮,邵玮,王磊. 高技术通讯. 2017(Z1)
[3]基于深度学习的无人车夜视图像语义分割[J]. 高凯珺,孙韶媛,姚广顺,赵海涛. 应用光学. 2017(03)
[4]一种多尺度CNN的图像语义分割算法[J]. 刘丹,刘学军,王美珍. 遥感信息. 2017(01)
[5]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[6]基于DCNN的图像语义分割综述[J]. 魏云超,赵耀. 北京交通大学学报. 2016(04)
[7]高阶马尔科夫随机场及其在场景理解中的应用[J]. 余淼,胡占义. 自动化学报. 2015(07)
[8]基于高阶CRF模型的图像语义分割[J]. 毛凌,解梅. 计算机应用研究. 2013(11)
博士论文
[1]基于卷积神经网络的医学图像癌变识别研究[D]. 薛迪秀.中国科学技术大学 2017
[2]基于深度学习的红外图像语义分割技术研究[D]. 王晨.中国科学院大学(中国科学院上海技术物理研究所) 2017
硕士论文
[1]基于卷积神经网络的图像语义分割[D]. 陈鸿翔.浙江大学 2016
本文编号：3585004
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3585004.html
最近更新
教材专著
