一种改进的HED网络及其在边缘检测中的应用

详细信息

Research on Significant Edge Detection of Infrared Image Based on Deep Learning

摘要: HED 网络(holistically nested edge detection network)被证明是目前用于边缘检测的一种性能较好的深度学习网络,但在实际应用中发现,将该网络用于前下视红外成像制导自动目标识别时,会出现检测出的边缘不完整、不光滑等问题.针对上述问题,对HED 网络进行了改进,在此基础上提出了一种基于改进HED 网络的边缘提取方法.首先,在原网络结构的基础上减少了两个池化层,提高了侧边输出层的输出精度,然后,将改进HED 网络输出的边缘概率图进行二值化,得到显著性边缘区域;最后,采用基于匹配滤波的边缘提取方法提取图像的边缘,并将其与改进HED 网络提取的显著目标边缘相融合,得到最终结果.实验结果表明,该方法能够大幅减少非目标区域的边缘,并且能够有效提取较为完整和准确的目标边缘,为后续红外图像中的目标检测、跟踪与识别奠定了良好的基础.
- 深度学习 /
- HED网络 /
- 红外图像 /
- 显著性边缘 /
- 边缘检测

1.	赵晟，赵亚南，刘建旭，朴宇鹏，吴玮. 凝视型红外探测系统的三维噪声研究. 激光与红外. 2024(08): 1241-1249 . 百度学术
2.	冯涛，金伟其，司俊杰，张海军. 非制冷IRFPA像元结构与时空随机噪声的优化理论（英文）. 红外与毫米波学报. 2020(02): 142-148 . 百度学术
3.	何琦，赵航斌，彭俊，孙德新. 多次采样平均在长波红外高光谱成像系统中的应用. 红外技术. 2019(05): 457-461 . 本站查看
4.	岳付昌. 基于最大中值滤波和K-means聚类红外弱小目标检测. 光电技术应用. 2018(05): 41-43 . 百度学术
5.	徐振亚，祁鸣，李丽娟. 基于实测数据的凝视红外系统重构方法. 红外技术. 2017(05): 404-408 . 本站查看