【技术实现步骤摘要】
基于循环一致对抗网络的红外样本目标检测方法
本专利技术属图像处理领域，涉及红外小样本目标检测方法。
技术介绍
人类的视觉系统只能接收可见光的光谱信息，专家学者们在可见光图像领域中已经提出了很多先进的计算机视觉目标检测方法。但是，可见光图像很容易受到天气和光强等环境因素的影响，在某些环境中很难进行目标检测任务。红外图像通过接收目标和背景辐射的热量成像，以此表示检测目标在当前场景中的能量或温度信息，信息很少受到环境因素的影响。因此，红外图像目标检测成为了一个重要的研究方向。随着深度学习技术的发展，红外图像目标检测算法应运而生，但仍有几个问题。例如，当红外数据集为小样本时，人们很难使用现有的目标检测算法来训练新的目标检测网络。因此，利用可见光图像将红外图像直接应用于训练有素的目标检测网络是红外信息挖掘的一个难点。通常，一个比较成功的目标检测网络需要大量的参数和大规模的数据进行训练，这样的目标检测网络才具有较强的泛化能力，但是生成大规模的带注释的数据集会耗费大量的成本。数据扩充是一种针对小样本目标检测很有帮助的方法，...
【技术保护点】
1.一种基于循环一致对抗网络的红外样本目标检测方法，包括下列步骤：/n1)原始数据集红外图像细节增强，方法如下：/n第1步：选取以像素点k为中心，r为半径的局部窗口w
【技术特征摘要】
1.一种基于循环一致对抗网络的红外样本目标检测方法，包括下列步骤：
1)原始数据集红外图像细节增强，方法如下：
第1步：选取以像素点k为中心，r为半径的局部窗口wk，使用式(1)、(2)计算ak，bk
用I表示输入的原始红外图像，为输入的原始红外图像I在局部窗口wk中的像素的方差，为输入的原始红外图像I在窗口wk中的像素平均值，ε为正则化参数；
第2步：Ii为原始红外图像在局部窗口wk中的像素，使用式(3)得到对应的细节增强后的红外图像像素，并用qi表示：
第3步：qi组成细节增强后的红外图像q，用I(y)表示。
2)修改图像生成网络，方法如下
对循环一致生成网络中的生成器网络结构进行修改调整，在生成器网络结构的最后引入如下网络结构：
c7s1-3,c7s1-3,E,A
c7s1-3表示该层网络使用7*7步长为1的卷积核，3个滤波器；E为能量信息转换层，称之为“能量桥”，“能量桥”的具体结构如下：
c7s2-1,c7s2-1,c7s2-1,c7s2-1...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。