【技术实现步骤摘要】
一种基于光强与偏振线索的伪装目标分割方法及系统
[0001]本专利技术涉及一种基于光强与偏振线索的伪装目标分割方法及系统，属于计算机视觉中的场景分割
技术介绍
[0002]近年来，在智能制造业的快速发展下，偏振、高光谱、红外等成像系统已经逐步应用于各种领域，发挥着至关重要的作用。其中，偏振成像技术主要通过目标反射光与辐射光的偏振态，探测出与该目标自身物理特征密切相关的偏振特征。该技术可以提高目标与背景的对比度，丰富图像的细节信息。因此，在越来越多领域将偏振图像应用于伪装目标检测任务，如：水下伪装目标探测、瑕疵检测、军事伪装目标识别等。
[0003]在早期的传统方法中，研究人员设计出适用偏振图像的特征提取算子，对目标进行检测。随着深度学习技术的发展，众多学者将偏振图像与深度学习相结合。但目前研究还存在较多不足。首先，目前融合偏振特征与光强特征的方法大部分采用直接相加，不能充分发挥各模态信息之间的优势，也不能充分融合两者的有效信息。其次，在树林草丛等复杂环境中，偏振信息在增加伪装目标与背景对比度的同时，环境中其...
【技术保护点】
【技术特征摘要】
1.一种基于光强与偏振线索的伪装目标分割方法，其特征在于，包括：获取待测图片，并对待测图片进行预处理，得到待测图片的偏振信息图，所述偏振信息图包括光强图、偏振度图以及偏振角图；将待测图片的偏振信息图输入到预训练的伪装目标分割网络模型，对每个偏振信息图进行多层特征提取处理，得到每个偏振信息图的多层的模态特征；对每个偏振信息图的每个模态特征进行压缩处理，得到每个偏振信息图的多层的压缩特征；对每个偏振信息图的多层的压缩特征进行多层特征融合处理，得到每个偏振信息图的交叉融合特征；对每个偏振信息图的交叉融合特征进行多分支搜索处理，得到每个偏振信息图的残差融合特征；对偏振信息图的残差融合特征进行三模态融合处理，获得伪装目标的掩膜图像。2.根据权利要求1所述的基于光强与偏振线索的伪装目标分割方法，其特征在于，所述获取待测图片，并对待测图片进行预处理，得到待测图片的偏振信息图，具体包括：选取待测场景，通过专业灰度偏振相机获取待测图片0
°
、45
°
、90
°
和135
°
四个偏振方向的光强；根据四个偏振方向的光强，计算斯托克斯参量，得到待测图片的偏振信息图。3.根据权利要求1所述的基于光强与偏振线索的伪装目标分割方法，其特征在于，所述多层特征提取包括使用Res2Net
‑
50特征提取网络对每个偏振信息图进行特征提取，得到每个偏振信息图的多层的模态特征。4.根据权利要求3所述的基于光强与偏振线索的伪装目标分割方法，其特征在于，所述对每个偏振信息图的多层的压缩特征进行多层特征融合处理，得到每个偏振信息图的交叉融合特征，具体包括：根据每个偏振信息图中相邻层的压缩特征，得到每个偏振信息图的公共空间注意力图，计算公式为：F
SA
＝SA(Concat((F1+U(F2)),(F1×
U(F2))))，式中，F
SA
为公共空间注意力图；F1和F2是相邻层的两个压缩特征；U(
·
)表示上采样操作；Concat(
·
)表示连接操作；SA(
·
)表示空间注意操作；将公共空间注意图作为组合特征的权重进行空间对齐，对得到的空间对齐特征分别进行通道注意操作，最后通过连接操作得到每个偏振信息图的相邻层交叉融合特征，计算公式为：F＝Concat(CA(F
SA
×
(F1+U(F2))),CA(F
SA
×
(F1×
U(F2))))，式中，F为相邻层交叉融合特征；CA(
·
)表示通道注意操作；不断的融合相邻层的压缩特征，得到每个偏振信息图最终的交叉融合特征5.根据权利要求4所述的基于光强与偏振线索的伪装目标分割方法，其特征在于，所述对每个偏振信息图的交叉融合特征进行多分支搜索处理，得到每个偏振信息图的残差融合特征，具体包括：将光强图的交叉融合特征分别进行三分支操作，分别得到高分辨率特征图F
u
、原分辨率特征图F
c
以及低分辨率特征图F
d
；所述三分支操作包括上采样分支操作、卷积分支操作以及池化分支操作；将高分辨率特征图F
u
、原分辨率特征图F
c
以及低分辨率特征图F
d
分别依次经过多尺度
通道注意力处理和元乘融合，再进行加法操作融合三个分支操作，得到卷积组特征F
ucd
；将卷积组特征F
ucd
和光强图的交叉融合特征进行残差融合得到光强图的残差...
【专利技术属性】
技术研发人员：曹铁勇，付炳阳，郑云飞，王烨奎，方正，赵斐，申海霞，王杨，陈雷，韩彤，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：
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。