智能红外弱小目标检测方法、装置、电子设备及介质制造方法及图纸

本发明专利技术提供一种智能红外弱小目标检测方法、装置、电子设备及介质，涉及红外目标检测和红外遥感图像处理技术领域。该方法在传统的ACM算法的基础上，首先对其特征融合模块进行了改进，其次在特征提取模块的各阶段向特征融合模块的通路上增加了上下文信息提取模块。待测图像在输入网络之后，首先经过特征提取模块，分别在三个阶段得到三个不同尺度的第一特征图。随后，三个第一特征图分别通过上下文信息提取模块与多尺度特征融合模块逐个进行融合。得到最终的融合后的目标特征图之后，可以将该目标特征图通过一个检测头获得最终的检测结果。本发明专利技术可以解决ACM算法存在的问题，达到更好的红外小目标检测性能。到更好的红外小目标检测性能。到更好的红外小目标检测性能。

【技术实现步骤摘要】
智能红外弱小目标检测方法、装置、电子设备及介质


[0001]本专利技术涉及红外目标检测和红外遥感图像处理
，尤其涉及一种智能红外弱小目标检测方法、装置、电子设备及介质。

技术介绍

[0002]红外检测与跟踪系统在航空航天、海面救援等
都有着颇为广泛的应用，主要为探测船舶具有高辐射特性的目标。然而，由于红外成像距离相对较远、红外探测器性能较差等原因，使得目标成像后多表现为弱小的点状目标，缺乏明显的纹理与几何等结构信息，且图像中存在的同样具有高辐射特性的复杂背景、噪声或杂波很容易造成目标边缘模糊，甚至直接淹没目标。因此，对复杂背景下的红外弱小目标进行准确的检测是红外检测与跟踪系统领域的关键问题，也是具有一定挑战性的问题。
[0003]传统的红外弱小目标检测方法主要分为以下三类：（1）基于背景一致性假设的方法；（2）基于人类视觉系统的显著性特征提取方法；（3）基于稀疏和低秩矩阵恢复的方法。传统方法通过对问题进行人为的分析假设，或手工设计相应的检测特征，由此实现对红外弱小目标的检测任务。然而此类方法由于假设或特征设计中的人为性，检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能红外弱小目标检测方法，其特征在于，包括：步骤S1，获取待测图像，将所述待测图像输入预设的特征提取模块，提取所述待测图像中的不同尺度的多个第一特征图；步骤S2，使用预设的上下文信息提取模块，提取所述多个第一特征图包含的不同距离的多个上下文信息，得到带有上下文信息的多个第二特征图；步骤S3，使用预设的多尺度特征融合模块，在所述多个第二特征图中，从最深层的第二特征图开始，对于深层特征图和浅层特征图采用不同的处理方式，获得所述深层特征图对应的通道注意力信息以及所述浅层特征图对应的空间注意力信息；步骤S4，使用所述通道注意力信息来指导所述浅层特征图，使用所述空间注意力信息来指导所述深层特征图，再将指导后的浅层特征图和指导后的深层特征图逐步进行融合，获得融合后的目标特征图；步骤S5，根据所述融合后的目标特征图，输出红外弱小目标的检测结果。2.根据权利要求1所述的智能红外弱小目标检测方法，其特征在于，在步骤S1，所述特征提取模块包括三个阶段，每个阶段都包含多个由残差卷积层组成的卷积块。3.根据权利要求1所述的智能红外弱小目标检测方法，其特征在于，在步骤S1，将所述待测图像输入预设的特征提取模块之前，还包括：采用stem模块对所述待测图像进行初步的特征提取。4.根据权利要求1所述的智能红外弱小目标检测方法，其特征在于，在步骤S2，所述上下文信息提取模块使用不同膨胀率的三个空洞卷积层，来提取不同距离的上下文信息。5.根据权利要求4所述的智能红外弱小目标检测方法，其特征在于，在所述上下文信息提取模块中，对每个所述第一特征图按照以下方式进行信息提取：步骤S21，将输入的第一特征图分别经过三个支路，所述三个支路的对应的空洞卷积层的膨胀率互不相同，在每个支路中，该第一特征图先会通过一个卷积核大小与膨胀率相等的卷积层进行初步处理，再通过空洞卷积层，获得支路结果；步骤S22，将所述三个支路对应的支路结果进行拼接，再使用1
×
1的卷积对通道数进行调整，获得调整后的支路结果；步骤S23，将所述调整后的支路结果与所述输入的第一特征图相加，得到所述输入的第一特征图包含的上下文信息，形成第二特征图。6.根据权利要求1所述的智能红外弱小目标检测方法，其特征在于，在步骤S3，所...

【专利技术属性】
技术研发人员：王子铭，刘雨菡，潘宗序，胡玉新，雷斌，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：