基于图像空间几何感知的深度信息智能检测

发布时间：2023-02-08 16:49

　　深度信息检测作为计算机视觉领域研究的热点问题之一,其研究有助于解决三维重建、场景理解、深度感知的图像合成等问题。深度学习中有关深度信息检测的算法大多是基于图像的像素或超像素级别的特征对图像的形状、纹理、色彩等进行分析。但是这种方式容易受到外界环境因素的影响,不能完全实现图像的旋转不变性,并且存在严重的像素特征冗余问题。线段可以作为一种基本的线性特征来构造图像的语义信息,并且具有旋转不变性。在本文中通过线段检测方法提取到图像的几何特征并设计了线段预处理方法,在此基础上设计了基于线段卷积和线段池化的线段卷积神经网络,将其用于实现图像几何特征的识别算法和图像深度线段分类算法。通过改进基于图像分割的线段检测算法也改善了图像消失点检测地效果。本文的主要研究内容如下:1.本文借助LSD算法和离散曲线演化算法处理MNIST数据集,获得两种数目不同的线段数据集,使用稀疏自动编码器进行图像识别分类,实验证明线段特征可以有效还原图像原始信息,利用线段特征完成或辅助完成图像处理是可行的。2.本文提出了基于线段卷积网络的图像识别算法和深度线段分类算法。本文设计了针对线段特征的线段卷积和线段池化,并在此基础上提...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究现状和存在的问题
        1.2.1 图像几何特征检测国内外研究现状
        1.2.2 图像深度信息检测国内外研究现状
    1.3 研究的主要内容与创新点
    1.4 论文的章节安排
第2章 基于线段特征的图像识别算法
    2.1 引言
    2.2 相关技术介绍
        2.2.1 直线检测算法
        2.2.2 离散曲线演化算法
        2.2.3 稀疏自动编码器
    2.3 图像线段特征提取方法
    2.4 实验验证
        2.4.1 数据集预处理
        2.4.2 网络参数设置和初始化
        2.4.3 实验结果及分析
    2.5 本章小结
第3章 线段卷积神经网络实现及其在深度线检测上的应用
    3.1 引言
    3.2 相关技术介绍
        3.2.1 卷积层
        3.2.2 池化层
        3.2.3 批归一化层
        3.2.4 全连接层
        3.2.5 激活函数
        3.2.6 损失函数
        3.2.7 浮点运算数
    3.3 几何特征预处理
        3.3.1 线段过滤算法
        3.3.2 线段相对深度的计算
    3.4 线段卷积神经网络模块设计
        3.4.1 线段卷积
        3.4.2 线段池化
    3.5 网络架构
        3.5.1 基于线段卷积网络的图像识别算法
        3.5.2 基于线段卷积网络的深度线段分类算法
    3.6 实验验证
        3.6.1 数据集介绍
        3.6.2 数据预处理
        3.6.3 实验结果及分析
    3.7 本章小结
第4章 图像线段检测网络改进及应用
    4.1 引言
    4.2 基于图像分割的线段检测算法
        4.2.1 算法结构介绍
        4.2.2 图像语义分割网络
    4.3 基于图像分割的线段检测算法改进
        4.3.1 替代空洞卷积
        4.3.2 激活函数
        4.3.3 损失函数
    4.4 基于线段检测的消失点检测算法
    4.5 实验结果及分析
        4.5.1 线段检测改进结果
        4.5.2 消失点检测结果
    4.6 小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者在攻读硕士学位期间发表的成果和参与的项目



本文编号：3738034