17、基于全嵌套边缘检测的手指残疾识别与心电图情感识别研究

基于全嵌套边缘检测的手指残疾识别与心电图情感识别研究

1. 手指残疾评估算法

为了实现手指残疾识别，提出了一种手指残疾程度评估算法，主要步骤为对实验对象进行边缘检测，然后使用aHash算法计算手指相似度，通过实验手边缘检测后的图像与模型手边缘检测后的图像的相似度来确定残疾程度，手指相似度越高，残疾程度越低。

1.1 边缘检测

图像边缘对人类视觉系统至关重要，是人类判别物体的重要依据，也是计算机视觉、模式识别等领域研究的重要基础。通过图像边缘检测可以过滤掉无用信息，大大减少图像分析和处理的数据量。

早期的边缘检测算法大多根据图像边缘梯度的变化来确定边界，如Sobel算子和Canny算子。但在实际场景中存在背景和光照等干扰因素时，这些方法难以保证手指识别的高鲁棒性。

2015年，Xie等人提出了全嵌套边缘检测（HED），用于以嵌套方式检测和提取自然图像边缘。HED具有增加特征图像感受野、缓解特征图像分辨率低的问题的优势，并且对训练中的标注噪声具有惊人的鲁棒性。HED使用了VGGNet架构，但进行了一些修改：
- 在每个阶段，测量输出层连接到最后一个卷积层，每个卷积层的感受野与相应的侧输出层相同；
- 移除VGGNet的最后一个阶段，包括第五个池化层和所有全连接层。

HED的损失函数由单侧输出层的损失函数和混合权重的损失函数两部分组成，数学公式表示为：
((W, w, h)^* = \arg \min [L_{side}(W, w) + L_{fuse}(W, w, h)])
其中，(L_{side}) 表示单侧输出层的损失函数；(L_{fuse}) 表示混合权重的损失函数。