一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法技术

本发明专利技术提出一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法，该方法步骤如下：步骤一：基于多方向特征搭建卷积神经网络；首先提取浅层特征并使用多方向性注意力进行目标特征增强；随后使用骨干网络对增强后的浅层特征进行四组特征提取；随后将提取的四组特征通过特征融合模块拼接降维后与浅层特征进行高低级特征融合；最后通过全卷积网络逐像素预测，得到全图像像素级别的概率预测图；步骤二：构造损失函数对网络进行训练；使用预测结果与像素级标签进行损失计算，以实现对网络参数的训练；输出：用训练好的神经网络处理红外图像；在使用训练数据对构造的多方向性特征卷积神经网络进行充分迭代训练之后，得到训练好的网络用于检测目标像素。练好的网络用于检测目标像素。练好的网络用于检测目标像素。

A method of infrared dim small target detection based on convolution neural network constructed by multi-directional features

【技术实现步骤摘要】
一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法


[0001]本专利技术涉及一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法，属于数字图像处理和计算机视觉领域，主要涉及深度学习和目标检测技术，在各类基于图像的应用系统中有广阔的应用前景。

技术介绍

[0002]红外弱小目标检测技术被广泛地应用于精确制导、反导弹技术、空间碎片搜索等众多领域。实际运用中，弱小目标检测算法的稳定性、准确性和实时性决定了红外预警系统的可靠性和实用性。由于各种物体的不同结构具有不同的辐射强度分布，同时受到温度、气候等因素影响，使得红外图像背景复杂，在检测中易发生误检。比如在空天背景下，卷云、带状云、絮团等会干扰对小目标的检测；在山地背景下，由于地面存在树木、建筑等，背景的辐射将变得更为复杂；在海天背景下，海面的波浪不断变化，使得红外辐射极不稳定；而海面光线的反射等也造成辐射效果的复杂变化，这些都会对检测造成干扰。因此，在复杂背景下快速准确检测弱小目标是一项具有挑战性和研究意义的任务。
[0003]一些早期的研究方法通过背景估计得到目标，通过滤波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法，其特征在于，该方法步骤如下：步骤一：基于多方向特征搭建卷积神经网络；首先提取浅层特征并使用多方向性注意力进行目标特征增强；随后使用骨干网络对增强后的浅层特征进行四组特征提取；随后将提取的四组特征通过特征融合模块拼接降维后与浅层特征进行高低级特征融合；最后通过全卷积网络逐像素预测，得到全图像像素级别的概率预测图；步骤二：构造损失函数对网络进行训练；使用预测结果与像素级标签进行损失计算，以实现对网络参数的训练；输出：用训练好的神经网络处理红外图像；在使用训练数据对构造的多方向性特征卷积神经网络进行充分迭代训练之后，得到训练好的网络用于检测目标像素。2.根据权利要求1所述的一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法，其特征在于，所述步骤一具体如下：1.1：提取浅层特征并使用多方向性特性进行目标特征增强；网络使用卷积单元作为基本组件，每个卷积单元由1个卷积层、批量归一化层、LeakyReLu操作组合而成；输入图像经过一个卷积核大小为3
×
3，步长为1的卷积单元，生成通道数为16的浅层特征F；随后浅层特征通过由固定卷积核构建的多方向特性注意力增强目标浅层特征F
e
；1:2：构建骨干网络对增强后的低层特征进行特征提取；骨干网络由四个残差块单元构成，每个残差块单元由不同尺寸、数量的卷积单元与残差连接组成，以提取不同尺度的特征；1.3：特征融合模块；针对弱小目标特征的特征融合模块对不同层特征区分处理；对浅层特征使用较少的处理，尽可能保留其中细节信息；而对于深层特征，进一步通过注意力机制提取其中定位信息，增强高级语义特征；1.4：通过全卷积网络进行检测；将融合后的特征F
r
利用全卷积网络FCN逐像素预测，输出全图像像素级别的概率预测图。3.根据权利要求2所述的一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法，其特征在于：在步骤1.1中，还包括：在一个像素点周围5
×
5区域内的八个方向上，首先并行使用8个固定卷积核分别计算该像素点与间隔一定距离的八个像素点的灰度差d
i
，d
i
＝g(T)
‑
g(B
i
)，其中g(T)和g(B
i
)分别是目标点和周围某方向像素点的灰度值，卷积核大小取5
×
5，中心位置参数设为1，某方向位置参数设为
‑
1，其余位置参数设为0；其中卷积核随后通过对8个特征图d
i
与d
i+4
之间两两执行逐点相乘得到4个特征图，再对4个特征图相加，计算多方向性测度(d1·
d5+d2·
d6+d3·
d7+d4·
d8)，即中心点像素同时与多个方向的像素存在一定的灰度差，由此得到基于多方向性的注意力信息；最后将注意力信息在原浅层特征上执行空间注意力操作后再与原浅层特征相加，得到目标特征增强后的浅层特征F
e
。4.根据权利要求2或3所述的一种利用多方向性特征构造卷积神经网络的红外弱小目
标检测方法，其特征在于：在步骤1.2中，还包括：增强后的浅层特征F
e
首先经过一个卷积核大小为3
×
3，步长为2的卷积单元，生成通道数为32的特征图F0；接着并行通过4组残差块单元，生成通道数均为32的四组特征图F1、F2、F3、F4。5.根据权利要求4所述的一种利用多方向性特征构造卷积神经网络的红外弱小目标检测方法，其特征在于：在步骤1.2中，还包括：第一个残差块单元先使用1次卷积核大小为1
×
1，步长为1的卷积单元，对特征下采样；再使用1次卷积核大小为1
×
1，步长为1的卷积单元，对特征上采样；随后与F0进行残差连接得到特征图F1；第二个残差块单元先使用1次卷积核大小为3
×
3，步长为1的卷积单元，对特征下采样；再使用1次卷积核大小为3
×
3，步长为1的卷积单元，对特征上...

【专利技术属性】
技术研发人员：白相志，孙衡，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：