基于冲突过滤和特征聚焦的红外弱小目标检测方法及系统技术方案

本发明专利技术公开了一种基于冲突过滤和特征聚焦的红外弱小目标检测方法及系统，其中，该方法包括：使用骨干网络对输入图像进行特征提取，对提取到的特征图进行多尺度特征融合及冲突过滤，再将多尺度特征融合及冲突过滤后的特征图与骨干网络提取到的特征图进行多尺度特征融合及冲突过滤得到最后一张特征图；对最后一张特征图进行特征聚焦，根据多个特征聚焦后的特征图得到融合的特征图像；用特征金字塔对多尺度特征融合及冲突过滤后的特征图、最后一张特征图和融合的特征图像进行多尺度特征融合，得到三种不同尺度的特征图；将三种不同尺度的特征图输入到检测头。本发明专利技术能够有效抑制背景特征干扰、增强目标特征表示，实现高精度的红外弱小目标检测。的红外弱小目标检测。的红外弱小目标检测。

【技术实现步骤摘要】
基于冲突过滤和特征聚焦的红外弱小目标检测方法及系统


[0001]本专利技术属于数字图像处理和计算机视觉
，尤其涉及一种基于冲突过滤和特征聚焦的红外弱小目标检测方法及系统。

技术介绍

[0002]红外小目标探测技术因其抗干扰能力强、隐蔽性好、夜视范围宽等优点，已广泛应用于防空、导弹防御、精确制导、海上监视等军事领域。许多红外应用，如导弹跟踪系统、红外搜索和跟踪系统和预警系统，不仅可以探测和跟踪发射红外辐射的目标，还可以巧妙地隐藏自己。此外，现实场景要求这些应用程序准确而及时地发现目标。但在实际场景中，红外成像距离极长，场景复杂多变，使得生成的红外图像信噪比和对比度都很低，目标由于丢失了大量细节和纹理特征而不够清晰。因此，在低信噪比和复杂背景下探测弱小目标是一项非常困难和具有挑战性的任务。
[0003]在传统方法中，大多数研究者根据红外图像中目标与背景灰度和结构特征的差异设计检测算子直接提取目标，如Top
‑
hat、小波变换、匹配滤波和二维最小均方等。虽然这些方法时间复杂度低，收敛速度快，但由于严重依赖人工设计，需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于冲突过滤和特征聚焦的红外弱小目标检测方法，其特征在于包括：使用骨干网络对输入图像进行特征提取，对提取到的特征图进行多尺度特征融合及冲突过滤，再将多尺度特征融合及冲突过滤后的特征图与骨干网络提取到的特征图进行多尺度特征融合及冲突过滤得到最后一张特征图；对最后一张特征图进行特征聚焦得到多个特征聚焦后的特征图，根据多个特征聚焦后的特征图得到融合的特征图像；用特征金字塔对多尺度特征融合及冲突过滤后的特征图、最后一张特征图和融合的特征图像进行多尺度特征融合，得到三种不同尺度的特征图；将三种不同尺度的特征图输入到检测头，进行目标分类和位置回归。2.根据权利要求1所述的基于冲突过滤和特征聚焦的红外弱小目标检测方法，其特征在于：所述冲突过滤包括通道过滤分支和空间过滤分支。3.根据权利要求2所述的基于冲突过滤和特征聚焦的红外弱小目标检测方法，其特征在于：所述通道过滤分支通过在空间维度上对聚合特征图的压缩得到代表图像全局特征的空间信息的第一通道、第二通道、第三通道的自适应权值α、β、γ，所述α、β、γ被定义为：[α
i
，β
i
，γ
i
]＝σ[AP(F)]其中，F是通过拼接操作生成的特征图，σ和AP分别为Sigmoid函数和平均池化，α
i
，β
i
，γ
i
分别表示第i层输入的自适应权重值α、β、γ；其中，C1
i
是通道过滤分支后得到的第i层特征映射，和分别表示从第o层、第p层、第q层采样到第i层的(X，Y)位置的特征值，X为横坐标，Y为纵坐标，i为层数编号，其中，i＝1，2，3。4.根据权利要求2所述的基于冲突过滤和特征聚焦的红外弱小目标检测方法，其特征在于：所述空间过滤分支通过使用Softmax对通道方向的特征图进行归一化处理，得到同一位置不同通道的相对权重。5.根据权利要求1所述的基于冲突过滤和特征聚焦的红外弱小目标检测方法，其特征在于：对最后一张特征图进行特征聚焦得到多个特征聚焦后的特征图包括：使用逐点卷积通过通道交互提取单点特征，得到特征聚焦后的特征图X1；使用全局平均池化编码需要抑制的位置，抑制图像背景信息，得到特征聚焦后的特征图X2；使用最大池化编码需要聚焦的位置，保留更多的纹理信息，得到特征聚焦后的特征图X3。6.根据权利要求5所述的基于冲突过滤和特征聚焦的红外弱小目标检测方法，其特征在于：根据多个特征聚焦后的特征图得到融合的特征图像包括：将特征聚焦后的特征图X1、特征聚焦后的特征...

【专利技术属性】
技术研发人员：钮赛赛，王喆，席永辉，周卫文，邵艳明，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：