[发明专利]一种基于卷积神经网络的图像中天际线自动检测方法

说明书

本发明公开了一种基于卷积神经网络的图像中天际线自动检测方法，包含以下步骤：步骤A：使用图像处理技术获取原始图像I的暗通道图像；步骤B：使用Dense网络充分提取原始图像I的特征F_R；步骤C：由步骤B所提取的特征F_R，使用卷积神经网络预测雨线图像；步骤D：由步骤C所提取的雨线图像，使用分类网络分类出雨密度等级并上采样成雨密度图像；步骤E：对步骤A‑D提取到的特征和图像，将其拼接成总特征，然后使用卷积神经网络检测最终的天际线。本发明结合图像处理与深度卷积神经网络实现了端到端、带雨(雾)条件下的天际线自动、精准检测。

技术领域

本发明属于图像信息处理领域，具体涉及一种基于卷积神经网络的图像中天际线自动检 测方法。

背景技术

天际线是指图像中天空与非天空区域(如天空与山地、天空与海洋、天空与森林)的分 界线。天际线检测在野外定位、视觉导航、港口安全、森林防火、沙漠图像标记以及AR(增 强现实)等中都具有着重要的作用。

例如，定位技术是现代国防、战争必不可少的技术之一。目前人们所掌握的定位手段主 要有卫星定位、通信基站定位、WIFI节点定位以及蓝牙定位等，全都是依赖第三方的服务器 或者基站进行辅助定位，而不能仅通过自身环境信息进行定位。若在野外信号屏蔽的地区、 或者发生现代战争，那么卫星首当其冲被击落，基站也会受到炮火击毁，那么这个时候依靠 以上方法将不能进行有效的定位。因此可以根据身处具体环境，提取环境中的天际轮廓线并 与离线的地图进行匹配，从而实现离线自主式的定位。此外，野外无人飞行器(UAVs)机身 姿态平衡、港口海平面上面船只穿越情况的时刻监测、到森林防火等等重要任务都可以通过 天际线的精确检测来实现。

目前，国内外关于天际线的检测方法主要是基于传统的图像处理技术。由于天际线可将 图像分成两个不同区域(天空和陆地),而在天与地的分界线附近又有一定的边缘信息,因 此天际线同时具有区域特征和梯度特征，传统方法主要是根据这两种特征进行检测。一般方 法包括1)结合边缘提取信息直接检测出天际线；2)采用颜色分割和边缘提取融合算法来检 测天际线；3)采用机器学习对天空和非天空区域关键特征进行训练，建立相应的天际线识别 分类器。此外，深度学习的兴起，也有少量使用深度学习进行天际线检测的研究实验，但目 前还停留在普通天气条件下的情况，完全没有考虑雾天、下雨等较恶劣的天气情况。

在此背景下，研究一种鲁棒性强、精度高、速度快且能够自动对带雨(雾)野外天际线的 检测方法尤为重要。

发明内容

本发明所要解决的技术问题是提供一种基于卷积神经网络的图像中天际线自动检测方法， 解决了已有天际线检测方法使用场景单一、抗干扰能力差、不能在下雨或有雾天气下精准检 测天际线的问题。

本发明所采用的技术方案如下：

一种基于卷积神经网络的图像中天际线自动检测方法，包括以下步骤：

步骤A：提取原始图像I的暗通道图像I_Dark；

步骤B：使用特征提取网络提取原始图像I的特征F_R；

步骤C：由步骤B所提取的特征F_R，使用雨线预测网络提取雨线图像I_Streak；

步骤D：由步骤C所提取的雨线图像I_Streak，使用雨密度等级分类网络分类出雨密度等级，并 根据出雨密度等级生成雨密度图像I_Density；

步骤E：将步骤A-D提取到的特征和图像拼接成总特征F_R,St,De,Da,然后使用天际线检测网络 检测得到天际线I_Skyline；

其中特征提取网络、雨线预测网络、雨密度等级分类网络和天际线检测网络均采用卷积 神经网络实现。