本技術(shù)涉及圖像處理的，具體涉及一種圖像邊緣檢測(cè)的方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著智能化技術(shù)的發(fā)展，圖像邊緣檢測(cè)已成為圖像處理中的關(guān)鍵技術(shù)之一，對(duì)于提高計(jì)算機(jī)視覺(jué)系統(tǒng)的準(zhǔn)確性和效率至關(guān)重要。

2、傳統(tǒng)的邊緣檢測(cè)算法，通過(guò)不同的邊緣檢測(cè)算子如canny，人為地設(shè)置參數(shù)值提取效果，在不同的場(chǎng)景圖像上表現(xiàn)不盡相同，部分場(chǎng)景過(guò)多噪聲邊緣，也有部分場(chǎng)景無(wú)法提取所需邊緣，具有適普性，但不夠精準(zhǔn)，效果不可控。當(dāng)前基于深度學(xué)習(xí)的邊緣檢測(cè)算法通常依賴較復(fù)雜的模型，能夠提高檢測(cè)精度，但計(jì)算資源消耗大，計(jì)算速度慢，需要使用gpu增加計(jì)算資源和提高速度，在移動(dòng)端和邊緣側(cè)無(wú)法實(shí)時(shí)檢測(cè)。

3、因此，需要一種能夠提高圖像邊緣檢測(cè)準(zhǔn)確性的方法。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種圖像邊緣檢測(cè)的方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)，通過(guò)多階段、多層次的邊緣檢測(cè)方法充分利用了不同尺寸、不同抽象層次的特征信息，提高邊緣檢測(cè)的準(zhǔn)確性和完整性，通過(guò)融合多個(gè)階段的檢測(cè)結(jié)果，可以減少誤檢和漏檢的情況，使得邊緣檢測(cè)結(jié)果更加準(zhǔn)確和可靠。

2、在本技術(shù)的第一方面提供了一種圖像邊緣檢測(cè)的方法，應(yīng)用于圖像邊緣檢測(cè)平臺(tái)，所述方法包括：

3、獲取原始圖像，對(duì)所述原始圖像進(jìn)行特征提取以得到多個(gè)第一特征圖；

4、對(duì)相同尺寸的第一特征圖進(jìn)行通道上的相加融合以得到多個(gè)不同尺寸的第二特征圖；

5、將所述第二特征圖通過(guò)反卷積調(diào)整至與所述原始圖像尺寸相同以得到第三特征圖，將多個(gè)所述第三特征圖進(jìn)行通道上的加權(quán)相加融合得到第四特征圖；

6、對(duì)所述第二特征圖、第三特征圖和第四特征圖分別進(jìn)行邊緣檢測(cè)，得到對(duì)應(yīng)的邊緣檢測(cè)結(jié)果，結(jié)合所有的邊緣檢測(cè)結(jié)果得到邊緣檢測(cè)圖像。

7、通過(guò)采用上述技術(shù)方案，對(duì)原始圖像進(jìn)行特征提取，得到多個(gè)第一特征圖，這些特征圖可能捕捉到了圖像在不同尺度、不同抽象層次上的信息。隨后，將相同尺寸的第一特征圖在通道上進(jìn)行相加融合，形成不同尺寸的第二特征圖，這一過(guò)程增強(qiáng)了特征的多樣性和豐富性，有助于更全面地理解圖像內(nèi)容。利用反卷積將第二特征圖調(diào)整至與原始圖像相同的尺寸，得到第三特征圖。這一步驟確保了后續(xù)處理過(guò)程中特征圖與原始圖像在空間維度上的一致性，便于進(jìn)行像素級(jí)的分析和比較。將多個(gè)第三特征圖在通道上進(jìn)行加權(quán)相加融合，得到第四特征圖。加權(quán)融合能夠根據(jù)不同的特征圖對(duì)邊緣檢測(cè)任務(wù)的貢獻(xiàn)程度進(jìn)行差異化處理，提高了融合結(jié)果的針對(duì)性和有效性。同時(shí)，這一過(guò)程也有助于減少冗余信息，提升特征表示的緊湊性和魯棒性。對(duì)第二特征圖、第三特征圖和第四特征圖分別進(jìn)行邊緣檢測(cè)，得到各自的邊緣檢測(cè)結(jié)果。隨后，結(jié)合所有的邊緣檢測(cè)結(jié)果得到最終的邊緣檢測(cè)圖像。本發(fā)明實(shí)施例通過(guò)特征提取、融合、調(diào)整尺寸以及多階段檢測(cè)等多個(gè)步驟，有效地利用了圖像中的多層次信息，提高了邊緣檢測(cè)算法對(duì)圖像內(nèi)容變化的適應(yīng)性和魯棒性。無(wú)論是對(duì)簡(jiǎn)單圖像還是復(fù)雜場(chǎng)景，本發(fā)明實(shí)施例都能保持較好的檢測(cè)效果。

8、可選的，所述對(duì)所述原始圖像進(jìn)行特征提取以得到多個(gè)第一特征圖包括：

9、對(duì)所述原始圖像進(jìn)行不同比例的縮放以得到多個(gè)中間圖像，對(duì)第一中間圖像進(jìn)行初步特征提取，并對(duì)第二中間圖像進(jìn)行深層特征提取以得到多個(gè)第一特征圖，所述第一中間圖像為對(duì)所述原始圖像進(jìn)行第一縮放比例縮放得到的中間圖像，所述第二中間圖像為多個(gè)所述中間圖像中除所述第一中間圖像之外的其他中間圖像，初步特征包括圖像的邊緣、角點(diǎn)和紋理，深層特征包括圖像的語(yǔ)義信息。

10、通過(guò)采用上述技術(shù)方案，對(duì)原始圖像進(jìn)行不同比例的縮放，以得到多個(gè)中間圖像。這種多尺度處理有助于捕捉圖像在不同尺度下的特征信息。針對(duì)第一中間圖像進(jìn)行初步特征提取。初步特征主要包括圖像的邊緣、角點(diǎn)和紋理等低層次特征。這些特征對(duì)于圖像的基本結(jié)構(gòu)和形狀識(shí)別至關(guān)重要。對(duì)第二中間圖像進(jìn)行深層特征提取，以得到多個(gè)第一特征圖。深層特征主要包括圖像的語(yǔ)義信息，如物體的類別、場(chǎng)景布局等高層次特征。這些特征有助于理解圖像的整體內(nèi)容和上下文關(guān)系。通過(guò)多尺度縮放和特征提取，可以捕捉到圖像在不同尺度下的多種特征信息。這種多尺度、多層次的特征表示有助于更全面地描述圖像內(nèi)容，提高后續(xù)處理任務(wù)的準(zhǔn)確性和魯棒性。初步特征(邊緣、角點(diǎn)、紋理)為圖像提供了基本的結(jié)構(gòu)和形狀信息，是后續(xù)處理任務(wù)的基礎(chǔ)。而深層特征(語(yǔ)義信息)則進(jìn)一步增強(qiáng)了圖像的特征表達(dá)能力，使得圖像能夠被更準(zhǔn)確地理解和分析。在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域，這種多尺度、多層次的特征提取方法廣泛應(yīng)用于圖像分類、目標(biāo)檢測(cè)、場(chǎng)景理解等任務(wù)中。通過(guò)提取豐富的特征信息，可以顯著提升這些任務(wù)的性能表現(xiàn)。由于不同應(yīng)用場(chǎng)景對(duì)圖像特征的需求不同，多尺度、多層次的特征提取方法可以根據(jù)具體需求靈活調(diào)整縮放比例和特征提取策略，以適應(yīng)不同的應(yīng)用場(chǎng)景和需求。

11、可選的，所述對(duì)相同尺寸的第一特征圖進(jìn)行通道上的相加融合以得到多個(gè)不同尺寸的第二特征圖包括：

12、增加或減少卷積核的數(shù)量以將第一特征圖的通道升維或降維到同一數(shù)值，將兩個(gè)或多個(gè)具有相同大小和相同通道數(shù)的第一特征圖對(duì)應(yīng)位置的元素進(jìn)行相加以得到第二特征圖。

13、通過(guò)采用上述技術(shù)方案，通過(guò)將兩個(gè)或多個(gè)具有相同大小和相同通道數(shù)的第一特征圖對(duì)應(yīng)位置的元素進(jìn)行相加，可以實(shí)現(xiàn)特征信息的互補(bǔ)。這種融合方式能夠結(jié)合不同特征圖之間的優(yōu)勢(shì)，使得第二特征圖包含更加豐富和全面的特征信息。相加融合的過(guò)程中，相同的特征信息會(huì)得到加強(qiáng)，而不一致的特征信息則可能相互抵消或弱化。這種機(jī)制有助于突出圖像中的重要特征，提高特征的顯著性。在融合之前，通過(guò)增加或減少卷積核的數(shù)量來(lái)調(diào)整第一特征圖的通道數(shù)，使其達(dá)到同一數(shù)值。這種標(biāo)準(zhǔn)化處理使得不同來(lái)源的特征圖能夠在同一維度上進(jìn)行融合，避免了因通道數(shù)不匹配而導(dǎo)致的融合困難。通過(guò)調(diào)整通道數(shù)，可以靈活地控制融合后第二特征圖的尺寸和復(fù)雜度。這有助于根據(jù)不同的應(yīng)用場(chǎng)景和需求，生成具有不同特性的特征圖。在將多個(gè)第一特征圖融合為第二特征圖的過(guò)程中，由于只進(jìn)行了簡(jiǎn)單的相加操作，因此計(jì)算量相對(duì)較小。這有助于降低后續(xù)處理步驟的計(jì)算負(fù)擔(dān)，提高整體處理效率。通過(guò)融合得到的第二特征圖具有更加緊湊和優(yōu)化的特征表示。這種表示方式有助于后續(xù)處理步驟更快地提取關(guān)鍵信息，提高處理速度和準(zhǔn)確性。雖然直接描述的是相同尺寸的第一特征圖的融合，但這種方法可以擴(kuò)展到多尺度特征處理中。通過(guò)在不同尺度上進(jìn)行特征提取和融合，可以得到具有不同分辨率和抽象層次的特征圖，從而更好地適應(yīng)多尺度特征處理的需求。

14、可選的，所述將所述第二特征圖通過(guò)反卷積調(diào)整至與所述原始圖像尺寸相同以得到第三特征圖包括：

15、根據(jù)所述第二特征圖和所述原始圖像的尺寸差異確定反卷積操作所需的參數(shù)，所述參數(shù)包括輸入特征圖的通道數(shù)、輸出特征圖的通道數(shù)、卷積核的大小、步長(zhǎng)以及填充的數(shù)量；

16、使用所述參數(shù)配置反卷積層，并將所述第二特征圖作為輸入傳遞給所述反卷積層以輸出第三特征圖。

17、通過(guò)采用上述技術(shù)方案，通過(guò)反卷積操作，可以精確地將第二特征圖的尺寸調(diào)整到與原始圖像相同的尺寸。這種尺寸一致性恢復(fù)是后續(xù)進(jìn)行像素級(jí)分析、比較或融合等操作的基礎(chǔ)，確保了處理結(jié)果的準(zhǔn)確性和可靠性。反卷積操作提供了靈活的尺寸調(diào)整能力，可以根據(jù)需要調(diào)整輸出特征圖的尺寸，以適應(yīng)不同的應(yīng)用場(chǎng)景和需求。在反卷積過(guò)程中，通過(guò)合理配置卷積核大小、步長(zhǎng)和填充數(shù)量等參數(shù)，可以盡量減少特征信息的丟失，確保第三特征圖能夠保留第二特征圖中的關(guān)鍵信息。反卷積操作本身具有一定的特征增強(qiáng)效果，通過(guò)適當(dāng)?shù)膮?shù)配置，可以使得第三特征圖在某些特征維度上更加顯著和突出，有助于后續(xù)處理步驟更好地提取和利用這些特征。通過(guò)將第二特征圖調(diào)整到與原始圖像相同的尺寸，可以使得后續(xù)處理步驟(如邊緣檢測(cè)、目標(biāo)識(shí)別等)在同一尺寸上進(jìn)行，從而減少了因尺寸不匹配而導(dǎo)致的額外計(jì)算量。反卷積操作作為預(yù)處理步驟之一，可以優(yōu)化整體處理流程，使得后續(xù)處理步驟更加順暢和高效。反卷積操作使得模型能夠處理不同尺寸的輸入圖像，增強(qiáng)了模型的適應(yīng)性和泛化能力。在將第三特征圖與其他特征圖進(jìn)行融合時(shí)(如后續(xù)步驟中可能進(jìn)行的特征融合)，由于尺寸的一致性，可以更加方便地進(jìn)行融合操作，提高融合效果。

18、可選的，所述將多個(gè)所述第三特征圖進(jìn)行通道上的加權(quán)相加融合得到第四特征圖包括：

19、為每個(gè)所述第三特征圖的每一個(gè)通道分配一個(gè)權(quán)重值；

20、將每個(gè)所述第三特征圖在目標(biāo)通道上的值乘以所述第三特征圖在所述目標(biāo)通道上的權(quán)重值得到第一數(shù)值，將所有第一數(shù)值進(jìn)行相加得到所述第四特征圖在所述目標(biāo)通道上的第二數(shù)值，所述目標(biāo)通道為所述第三特征圖對(duì)應(yīng)的任意一個(gè)通道；

21、根據(jù)多個(gè)所述第二數(shù)值得到所述第四特征圖。

22、通過(guò)采用上述技術(shù)方案，為每個(gè)第三特征圖的每一個(gè)通道分配一個(gè)權(quán)重值，并據(jù)此進(jìn)行加權(quán)相加融合。這種加權(quán)融合方式能夠充分考慮不同特征圖在不同通道上的重要性差異，使得融合后的第四特征圖在特征表達(dá)上更加優(yōu)化和高效。通過(guò)加權(quán)相加融合，不同第三特征圖之間的特征信息能夠相互補(bǔ)充，形成更加全面和豐富的特征表示。這種特征互補(bǔ)有助于提升后續(xù)處理任務(wù)的準(zhǔn)確性和魯棒性。權(quán)重值的分配可以根據(jù)具體任務(wù)的需求和特征圖的特點(diǎn)進(jìn)行靈活調(diào)整。這種可定制性使得加權(quán)相加融合方法能夠適應(yīng)不同的應(yīng)用場(chǎng)景和需求，提高算法的適應(yīng)性和泛化能力。在通道級(jí)別上進(jìn)行加權(quán)相加融合，能夠保留每個(gè)通道上的特征信息，并通過(guò)權(quán)重調(diào)整來(lái)優(yōu)化特征表達(dá)。這種細(xì)粒度的融合方式有助于更好地利用特征圖中的信息。加權(quán)相加融合過(guò)程中，通過(guò)權(quán)重調(diào)整可以抑制一些不重要的特征信息，從而減少冗余信息對(duì)后續(xù)處理步驟的干擾。這有助于提高處理效率和準(zhǔn)確性。在融合過(guò)程中，只需要進(jìn)行簡(jiǎn)單的加權(quán)相加操作，計(jì)算量相對(duì)較小。這有助于優(yōu)化計(jì)算資源的利用，提高整體處理速度。加權(quán)相加融合能夠綜合多個(gè)第三特征圖的信息，從而在一定程度上抑制噪聲和干擾對(duì)特征表達(dá)的影響。這種抗噪能力有助于提升模型的魯棒性和穩(wěn)定性。在復(fù)雜場(chǎng)景下，不同特征圖可能包含不同的有用信息。通過(guò)加權(quán)相加融合，可以充分利用這些信息，提高模型在復(fù)雜場(chǎng)景下的處理能力和效果。

23、可選的，所述方法還包括：

24、獲取所述原始圖像中每個(gè)像素點(diǎn)的邊緣標(biāo)簽；

25、計(jì)算第二特征圖與邊緣標(biāo)簽之間的縮放比例，根據(jù)計(jì)算出的縮放比例，對(duì)邊緣標(biāo)簽進(jìn)行最近鄰插值縮放以得到縮放后的邊緣標(biāo)簽；

26、使用預(yù)設(shè)損失函數(shù)計(jì)算所述第二特征圖和所述縮放后的邊緣標(biāo)簽之間的差異以得到總損失值；通過(guò)所述總損失值更新圖像邊緣檢測(cè)平臺(tái)的參數(shù)并執(zhí)行上述步驟直到所述總損失值小于閾值。

27、通過(guò)采用上述技術(shù)方案，獲取原始圖像中每個(gè)像素點(diǎn)的邊緣標(biāo)簽，為圖像邊緣檢測(cè)提供了精確的監(jiān)督信息。這有助于模型在訓(xùn)練過(guò)程中更加準(zhǔn)確地學(xué)習(xí)到圖像中邊緣的特征。計(jì)算第二特征圖與邊緣標(biāo)簽之間的縮放比例，并對(duì)邊緣標(biāo)簽進(jìn)行最近鄰插值縮放，以確保兩者在空間尺寸上的一致性。這有助于在后續(xù)的差異計(jì)算中更加公平地評(píng)估模型的性能。使用預(yù)設(shè)的損失函數(shù)計(jì)算第二特征圖和縮放后的邊緣標(biāo)簽之間的差異，得到總損失值。這一步驟是模型訓(xùn)練過(guò)程中的關(guān)鍵環(huán)節(jié)，通過(guò)最小化總損失值來(lái)優(yōu)化模型的參數(shù)。根據(jù)總損失值更新圖像邊緣檢測(cè)平臺(tái)的參數(shù)，并執(zhí)行上述步驟直到總損失值小于設(shè)定的閾值。這一過(guò)程通過(guò)迭代優(yōu)化，逐漸提升模型在邊緣檢測(cè)任務(wù)上的性能。通過(guò)逐步降低總損失值，模型在訓(xùn)練過(guò)程中逐漸收斂到最優(yōu)解，提高了訓(xùn)練的穩(wěn)定性和可靠性。由于采用了精確的邊緣標(biāo)簽作為監(jiān)督信息，并通過(guò)有效的損失函數(shù)評(píng)估模型性能，使得訓(xùn)練后的模型在邊緣檢測(cè)任務(wù)上具有較高的準(zhǔn)確性。

28、可選的，所述對(duì)所述第二特征圖、第三特征圖和第四特征圖分別進(jìn)行邊緣檢測(cè)，得到對(duì)應(yīng)的邊緣檢測(cè)結(jié)果，結(jié)合所有的邊緣檢測(cè)結(jié)果得到邊緣檢測(cè)圖像包括：

29、對(duì)所述第二特征圖進(jìn)行邊緣檢測(cè)以得到第一結(jié)果，對(duì)所述第三特征圖進(jìn)行邊緣檢測(cè)以得到第二結(jié)果，對(duì)所述第四特征圖進(jìn)行邊緣檢測(cè)以得到第三結(jié)果；

30、對(duì)所述第一結(jié)果賦予第一權(quán)重，對(duì)所述第二結(jié)果賦予第二權(quán)重，對(duì)所述第三結(jié)果賦予第三權(quán)重，所述第三權(quán)重大于所述第二權(quán)重，所述第二權(quán)重大于所述第一權(quán)重；

31、對(duì)所述第一結(jié)果、所述第二結(jié)果和所述第三結(jié)果分別與對(duì)應(yīng)的權(quán)重相乘以得到目標(biāo)檢測(cè)結(jié)果，根據(jù)所述目標(biāo)檢測(cè)結(jié)果得到邊緣檢測(cè)圖像。

32、通過(guò)采用上述技術(shù)方案，不同階段的特征圖包含了不同層次的圖像信息。第二特征圖可能保留了較多的原始圖像細(xì)節(jié)，而第三特征圖和第四特征圖則可能包含了更高級(jí)別的語(yǔ)義信息和更抽象的特征。通過(guò)對(duì)這些特征圖分別進(jìn)行邊緣檢測(cè)并融合結(jié)果，可以充分利用各階段的特征優(yōu)勢(shì)，實(shí)現(xiàn)特征互補(bǔ)，提高邊緣檢測(cè)的準(zhǔn)確性和魯棒性。通過(guò)對(duì)不同階段的邊緣檢測(cè)結(jié)果賦予不同的權(quán)重(第三權(quán)重大于第二權(quán)重，第二權(quán)重大于第一權(quán)重)，可以體現(xiàn)不同特征圖在邊緣檢測(cè)中的重要性差異。這種權(quán)重分配方式有助于優(yōu)化融合結(jié)果，使得最終的邊緣檢測(cè)圖像更加準(zhǔn)確和可靠。第二特征圖由于更接近原始圖像，可能保留了較多的圖像細(xì)節(jié)，但同時(shí)也可能包含較多的噪聲。通過(guò)加權(quán)融合，可以在保留一定細(xì)節(jié)的同時(shí)，利用后續(xù)特征圖的語(yǔ)義信息來(lái)抑制噪聲，提高邊緣檢測(cè)的精度。第三特征圖和第四特征圖包含了更豐富的語(yǔ)義信息，這些信息有助于識(shí)別圖像中的復(fù)雜結(jié)構(gòu)和邊緣模式。通過(guò)加權(quán)融合，可以將這些語(yǔ)義信息融入到最終的邊緣檢測(cè)圖像中，提高檢測(cè)的準(zhǔn)確性和魯棒性。

33、在本技術(shù)的第二方面提供了一種圖像邊緣檢測(cè)的系統(tǒng)，包括特征提取模塊、第一融合模塊、第二融合模塊以及邊緣檢測(cè)模塊，其中：

34、特征提取模塊，配置用于獲取原始圖像，對(duì)所述原始圖像進(jìn)行特征提取以得到多個(gè)第一特征圖；

35、第一融合模塊，配置用于對(duì)相同尺寸的第一特征圖進(jìn)行通道上的相加融合以得到多個(gè)不同尺寸的第二特征圖；

36、第二融合模塊，配置用于將所述第二特征圖通過(guò)反卷積調(diào)整至與所述原始圖像尺寸相同以得到第三特征圖，將多個(gè)所述第三特征圖進(jìn)行通道上的加權(quán)相加融合得到第四特征圖；

37、邊緣檢測(cè)模塊，配置用于對(duì)所述第二特征圖、第三特征圖和第四特征圖分別進(jìn)行邊緣檢測(cè)，得到對(duì)應(yīng)的邊緣檢測(cè)結(jié)果，結(jié)合所有的邊緣檢測(cè)結(jié)果得到邊緣檢測(cè)圖像。

38、在本技術(shù)的第三方面提供了一種電子設(shè)備，包括處理器、存儲(chǔ)器、用戶接口以及網(wǎng)絡(luò)接口，所述存儲(chǔ)器用于存儲(chǔ)指令，所述用戶接口和所述網(wǎng)絡(luò)接口均用于與其他設(shè)備通信，所述處理器用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的指令，以使所述電子設(shè)備執(zhí)行如上述任意一項(xiàng)所述的方法。

39、在本技術(shù)的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有指令，當(dāng)所述指令被執(zhí)行時(shí)，執(zhí)行如上述任意一項(xiàng)所述的方法。

40、綜上所述，本技術(shù)實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

41、1、通過(guò)對(duì)原始圖像進(jìn)行特征提取，得到多個(gè)第一特征圖，這些特征圖包含了圖像的不同層次信息。對(duì)相同尺寸的第一特征圖進(jìn)行通道上的相加融合，得到多個(gè)不同尺寸的第二特征圖。這一過(guò)程實(shí)現(xiàn)了特征的初步整合，為后續(xù)的邊緣檢測(cè)提供了豐富的信息源；將第二特征圖通過(guò)反卷積調(diào)整至與原始圖像相同尺寸，得到第三特征圖，并進(jìn)一步將多個(gè)第三特征圖進(jìn)行通道上的加權(quán)相加融合，得到第四特征圖。這一過(guò)程實(shí)現(xiàn)了跨尺度的特征融合，使得最終的特征圖既包含了圖像的細(xì)節(jié)信息，又融合了更高級(jí)別的語(yǔ)義信息；

42、2、對(duì)第二特征圖、第三特征圖和第四特征圖分別進(jìn)行邊緣檢測(cè)，得到各自的邊緣檢測(cè)結(jié)果。這種多階段的檢測(cè)方式有助于捕捉不同層次的邊緣信息，提高檢測(cè)的全面性；將不同階段的邊緣檢測(cè)結(jié)果進(jìn)行加權(quán)融合，得到最終的邊緣檢測(cè)圖像。通過(guò)合理的權(quán)重分配，可以強(qiáng)調(diào)重要特征，抑制噪聲和不必要的邊緣，從而提高檢測(cè)的準(zhǔn)確性和魯棒性；

43、3、可以根據(jù)具體任務(wù)的需求和圖像的特點(diǎn)，靈活調(diào)整特征提取、特征融合和邊緣檢測(cè)等步驟的參數(shù)和算法，以適應(yīng)不同的應(yīng)用場(chǎng)景和數(shù)據(jù)集；隨著深度學(xué)習(xí)技術(shù)的發(fā)展和新的特征提取、邊緣檢測(cè)方法的出現(xiàn)，本發(fā)明實(shí)施例可以方便地集成新的技術(shù)和算法，以進(jìn)一步提升邊緣檢測(cè)的性能。