Transformer多模态特征提取下图像目标边缘检测方法
刘庆霞
司贺杰
王俊方
徐恕贞
郑州科技学院信息工程学院 河南郑州 450064
摘要：在对图像目标边缘检测时,复杂多变的光照条件会导致图像局部区域出现明暗不均、过曝或欠曝等现象.基于局部梯度或单一模态特征的方法由于缺乏对图像全局语义的理解,易受噪声影响,造成边缘模糊或断裂,导致检测精度较低.为解决这一问题,文章提出了一种基于Transformer多模态特征提取的图像目标边缘检测方法.首先,将采集的彩色图像通过灰度转换降低色彩干扰并采用高斯平滑抑制噪声,利用局部Otsu算法自适应计算最优分割阈值实现目标与背景的精确分离;其次,基于卷积神经网络(convolutional neural network,CNN)提取分割目标的多模态特征,结合Transformer的自注意力机制(Self-Attention)进行特征加权融合以增强对图像全局语义的理解,突出边缘特征,解决边缘模糊或断裂问题;最后,采用深度学习算法通过构建目标区域边缘概率图并优化损失函数实现边缘检测,再经掩码处理去除干扰得到最终边缘检测结果.实验结果表明,所提方法在实际应用中能够精准检测出目标区域的边缘,且边缘结构完整度数值为0.945,检测精度较高.
关键词：Transformer多模态特征图像边缘检测目标边缘特征增强注意力机制
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 76-79 )