突破性方法：強健高效的邊緣檢測技術

邊緣檢測是一個重要的計算機視覺應用領域，其透過識別顏色或強度變化所示的物體邊界來描繪場景中的物體。對於傳統方法來說其準確性取決於影象的質量。在存在視覺噪聲的場景中，如有霧或被生物組織遮擋的場景，傳統方法往往無法應對。為了應對這一挑戰，一個聯合研究小組開發出了一種抗噪聲的無需先前成像即可檢測物體邊緣的方法。該研究發表在《智慧計算》期刊上，提出了一種稱為邊敏感單畫素成像的方法。該方法在傳統光學方法難以獲得清晰影象的情況下，依然能夠準確地檢測物體邊緣，並對存在的噪聲具有很高的免疫能力。 為了實現這一突破，研究人員透過將標準哈達瑪單畫素成像模式與二階微分算子進行卷積，設計了調製模式。這種微分邊緣檢測系統顯著提高了噪聲免疫能力，確保了銳利且精確的邊緣識別。值得注意的是，該方法在檢測移動物體時表現出了卓越的實時邊緣檢測效能，展示了在非可見波段進行安全檢查的潛力。 此外研究團隊還引入了該方法的單輪導數，可以減少邊緣檢測所需的調製模式數量，有效地減少檢測時間。儘管如此該方法在訊雜比方面保持較高水平，並且與先前報告的邊緣檢測方案相比，所需的調製模式較少。此外研究團隊還研究了將該方法與拉普拉斯算子和高斯拉普拉斯算子相結合的應用。結果顯示，這兩種方法在抗噪能力方面相似，但使用前者可以獲得更鮮明的邊緣，而使用後者則獲得稍微粗糙的邊緣。透過嚴格的比較，研究人員發現，該方法在邊緣銳利度和訊雜比方面優於現有的方案。此外在具有強光污染的嚴苛實驗條件下，兩種拉普拉斯算子的變體均優於標準成像方法。該方法提供了完全無噪聲的邊緣檢測結果，為實際應用帶來了巨大的潛力。 該研究還提出了一種將調製模式預編碼進行，以實現以"無影象"的方式直接獲得結果的新的影像處理可能性。這消除了噪聲的影響，為進一步最佳化結果的影像處理程式（如同質濾波）鋪平了道路。研究人員設想，最佳化在該研究中使用的照明模式，並探索未來的端到端最佳化，以實現進一步的發展。 這項突破性的研究為強健且高效的邊緣檢測技術開闢了新的可能性。邊敏感單畫素成像方法透過無需先前成像即可檢測物體邊緣，並具有高度的噪聲免疫能力。該方法不僅在實驗室條件下表現出色，還在實際應用中具有巨大的潛力。這一研究為我們在影象處理領域中邁出了重要的一步，有望在安全檢查、物體識別、影象分割等領域產生廣泛的應用。

ComputerVision-突破性方法、強健、高效、邊緣檢測技術

延伸閱讀

• 新演算法實現智慧高效的機器人穿越人群
• 突破性方法：強健且有效的邊緣檢測
• 自折紙張快速、便宜、高效地創造 3D 形狀
• 憑藉 Gradient 支援，Fileread 使用 LLMs 使法律尋覓更高效
• 具有可彎曲鰭片和液滴控制功能的顯示屏，比 LED 屏更加多用途和高效
• 筆電銷售下滑 15 吋 MacBook Air 應運而生
• 打造高效 OKR 流程的五大要素
• 英特爾的背面供電技術可使 CPU 更加高效