基于特征融合和稠密连接的红外面目标检测方法技术

本发明专利技术公开了一种基于特征融合和稠密连接的红外面目标检测方法，构建包含所需识别目标的红外图像数据集，在所述红外图像数据集中标定所需识别目标的位置与种类，获得原有已知的标签图像；将所述红外图像数据集分为训练集和验证集两部分；对训练集中的图像进行图像增强的预处理并且进行特征提取和特征融合，通过回归网络获得分类结果和边界框；将所述分类结果和边界框与原有已知的标签图像进行损失函数计算，更新卷积神经网络的参数值；重复对卷积神经网络参数进行迭代更新，直至误差足够小或迭代次数达到设定的上限为止；通过训练完成的卷积神经网络参数对验证集中的图像进行处理，获取目标检测的准确度和所需时间，以及最终目标检测结果图。

Infrared Surface Target Detection Method Based on Feature Fusion and Dense Connection

The invention discloses an infrared surface target detection method based on feature fusion and dense connection, constructs an infrared image data set containing the target to be recognized, calibrates the position and type of the target to be recognized in the infrared image data set, obtains the original known label image, divides the infrared image data set into two parts: a training set and a verification set, and a training set. The image is pre-processed by image enhancement, feature extraction and feature fusion, and the classification results and boundary frames are obtained by regression network; the classification results and boundary frames are calculated by loss function with known label images, and the parameters of convolution neural network are updated; the parameters of convolution neural network are updated iteratively until the error is small enough or the number of iterations is repeated. Up to the set upper limit, the convolution neural network parameters are trained to process the image in the verification set, to obtain the accuracy and time required for target detection, as well as the final target detection results.

【技术实现步骤摘要】
基于特征融合和稠密连接的红外面目标检测方法
本专利技术属于图像处理
，具体涉及一种基于特征融合和稠密连接的红外面目标检测方法。
技术介绍
目前，主要的目标检测方法可以大致分为两类，一类是基于背景建模的目标检测方法，一类是基于前景建模的方法，基于背景建模的方法通过构建背景模型，将图像中与背景差异大的区域判定为目标；由于背景的复杂性，此种方法的检测效果不够理想。基于前景建模的方法通过提取目标的特征信息，将与特征信息相符较多的区域判定为目标，其中，最具代表性的是基于深度学习的目标检测方法。基于深度学习的目标检测方法通过深层卷积神经网络，自动提取目标特征，检测目标种类与位置。然后与训练集中的标定信息进行对比，计算损失函数，通过梯度下降的方法，改进网络提取的特征，使其更符合目标的实际情况。同时，更新后续检测部分的参数，使检测结果更准确。不断重复训练，直到达到预期的检测效果。
技术实现思路
为了解决现有技术中的上述问题，本专利技术提供了一种基于特征融合和稠密块的目标检测方法。本专利技术采用的技术方案如下：本专利技术实施例提供一种基于特征融合和稠密连接的红外面目标检测方法，该方法通过如下步骤实现本文档来自技高网...

【技术保护点】
1.一种基于特征融合和稠密连接的红外面目标检测方法，其特征在于，该方法通过如下步骤实现：步骤1，构建包含所需识别目标的红外图像数据集，在所述红外图像数据集中标定所需识别目标的位置与种类，获得原有已知的标签图像；步骤2，将所述红外图像数据集分为训练集和验证集两部分；步骤3，对训练集中的图像进行图像增强的预处理；步骤4，对预处理后的图像进行特征提取和特征融合，并通过回归网络获得分类结果和边界框；将所述分类结果和边界框与原有已知的标签图像进行损失函数计算，使用包含动量的随机梯度下降法在卷积神经网络中对预测误差进行反向传播，并更新卷积神经网络的参数值；步骤5，重复步骤3、4对卷积神经网络参数进行迭代更...

【技术特征摘要】
1.一种基于特征融合和稠密连接的红外面目标检测方法，其特征在于，该方法通过如下步骤实现：步骤1，构建包含所需识别目标的红外图像数据集，在所述红外图像数据集中标定所需识别目标的位置与种类，获得原有已知的标签图像；步骤2，将所述红外图像数据集分为训练集和验证集两部分；步骤3，对训练集中的图像进行图像增强的预处理；步骤4，对预处理后的图像进行特征提取和特征融合，并通过回归网络获得分类结果和边界框；将所述分类结果和边界框与原有已知的标签图像进行损失函数计算，使用包含动量的随机梯度下降法在卷积神经网络中对预测误差进行反向传播，并更新卷积神经网络的参数值；步骤5，重复步骤3、4对卷积神经网络参数进行迭代更新，直至误差足够小或迭代次数达到设定的上限为止；步骤6，通过训练完成的卷积神经网络参数对验证集中的图像进行处理，获取目标检测的准确度和所需时间，以及最终目标检测结果图。2.根据权利要求1所述的基于特征融合和稠密连接的红外面目标检测方法，其特征在于，所述步骤4中对预处理后的图像进行特征提取和特征融合，并通过回归网络获得分类结果和边界框，具体通过以下步骤实现：步骤401，在所述训练集中随机抽取固定数量的图像，对每一幅图像划分10×10的区域；步骤402，将所述步骤401划分后的图像输入稠密连接网络进行特征提取；步骤403，对提取的特征图进行特征融合，获得融合的特征图；步骤404，对所述融合的特征图中每一个区域产生固定数量的建议框；步骤405，将所述融合的特征图和建议框送入回归网络进行分类和边界框回归，并使用非极大值抑制方法去除冗余，获得分类结果和边界框。3.根据权利要求2所述的基于特征融合和稠密连接的红外面目标检测方法，其特征在于，所述步骤402中稠密连接网络的计算方法如公式：dl＝Hl([d0,d1,...,dl-1])其中，dl表示稠密连接网络中第l个卷积层的输出结果，若稠密连接网络共包含B个卷积层，则l在0～B之间取值，Hl(*)是正则化、卷积和线性整流激活函数的组合操作，d0为输入图像，dl-1为第l-1层的输出结果。4.根据权利要求3所述的基于特征融合和稠密连接的红外面目标检测方法，其特征在于，所述步骤403中对提取的特征图进行特征融合是将所提取到的不同尺度的特征图通过池化方法进行直接融合。5.根据权利要求4所述的基于特征融合和稠密连接的红外面目标检测方法，其特征在于，所述步骤403中对提取的特征图进行特征融合，具体通过以下步骤实现：步骤4031，将第一组特征图F1通过池化运算，转换成新的较小的特征...

【专利技术属性】
技术研发人员：周慧鑫，施元斌，赵东，郭立新，张嘉嘉，秦翰林，王炳健，赖睿，李欢，宋江鲁奇，姚博，于跃，贾秀萍，周峻，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61