基于边缘增强和通道重建的气体泄露红外图像分割算法

摘要

针对泄漏气体的红外图像对比度低、边缘模糊等问题，本文提出了一种基于边缘增强和通道重建的气体泄漏红外图像分割算法，该算法在AP-UNet架构的基础上进行了优化。首先采用空间和通道重建卷积（SCConv）作为轻量化策略，替代标准卷积操作，降低计算冗余，提高了检测实时性；其次设计并集成边缘引导模块（EGM），精准捕捉泄漏气体的边缘细节，确保在复杂环境及低对比度条件下，仍能精确识别和分割出泄漏气体的微小边界，提升了检测的准确度与鲁棒性。此外，模型使用空间卷积来获取视频帧间特征，学习气体运动规律，提高了检测精度。在GasVid数据集上的实验结果表明，本文算法的Dice系数、召回率和F1分数分别达到77.8%, 94.1%和90.8%，较基线网络分别提升了1.4百分点，3.4百分点和0.8百分点，推理速度达到25.2帧·s^-1，满足实时检测需求。本文方法能实现高精度的泄漏检测，优于大多数模型的检测精度，可以更好地应用于复杂环境下的气体泄漏场景。

关键词

气体泄漏检测 / 轻量化 / 边缘增强 / 帧间特征 / 目标分割