基于通道注意力与区域独立性检验的边缘检测
计算机视觉与模式识别
2025-05-05 v1
摘要
现有的边缘检测方法常常会放大噪声并过度保留非显著细节，限制了其在高精度工业场景中的应用。为此，我们提出了一种新框架CAM-EDIT，将通道注意力机制 (CAM) 与通过独立性检验的边缘检测 (Edge Detection via Independence Testing, EDIT) 集成。CAM模块通过多通道融合自适应增强判别性边缘特征，而EDIT模块采用区域级统计独立性分析（使用Fisher的精确检验和卡方检验）以抑制不相关的噪声。在BSDS500和NYUDv2数据集上进行的广泛实验表明，CAM-EDIT在性能上实现了最先进的水平。在九个比较算法中，CAM-EDIT的F值分别为0.635和0.460，分别比传统方法（Canny、CannySR）提高了19.2%至26.5%，并优于最新的基于学习的方法（TIP2020、MSCNGP）。噪声鲁棒性评估进一步显示，在高斯噪声下，CAM-EDIT比基线方法提高了2.2%的PSNR。定性结果显示，边缘图更干净，减少了伪影，展示了其在高精度工业应用中的潜力。
引用
@article{arxiv.2505.01040,
title = {Edge Detection based on Channel Attention and Inter-region Independence Test},
author = {Ru-yu Yan and Da-Qing Zhang},
journal= {arXiv preprint arXiv:2505.01040},
year = {2025}
}