一种基于频率感知的伪装目标检测方法及系统技术方案

本发明专利技术属于伪装目标检测领域，提供了一种基于频率感知的伪装目标检测方法及系统

【技术实现步骤摘要】
一种基于频率感知的伪装目标检测方法及系统


[0001]本专利技术属于伪装目标检测领域，尤其涉及一种基于频率感知的伪装目标检测方法及系统
。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术
。
[0003]动物对身体颜色和肌理的伪装是一种重要的防御模式，使它们看起来尽可能接近周围的环境，以避免捕食者的攻击
。
伪装目标会将自身的颜色组成和纹理特征与背景很好地融合在一起，导致人类肉眼很难发现到伪装目标的存在
。
[0004]伪装物体检测的目的便是准确地识别隐藏在复杂环境中的物体，然而现有的伪装目标检测方法主要在
RGB
域实现将伪装对象从背景中分离出来，所以其性能在许多具有挑战性的场景中表现不佳
。
此外，由于
RGB
域直接被人类的视觉系统接收，而伪装的特性使物体很容易欺骗视觉系统
。
[0005]专利技术人在实现本专利技术的过程中，发现现有技术中至少存在以下缺点和不足：
[0006]1、
当前的解决方案仍然难以应对具有挑战性的情况，如多个伪装对象
、
模糊的对象边界和伪装目标被遮挡等现象
。
[0007]2、
现有的方法通常仅在
RGB
域上对伪装目标进行识别和检测，而从频率角度分析问题的工作较少
。
[0008]3、
现有引入频率线索的方法通常采用离散余弦变换来提取图像频率信息，这种做法限制了其灵活性
。

技术实现思路

[0009]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于频率感知的伪装目标检测方法及系统，具体提供了一种频率感知网络
(Frequency Perception Network
，
FPNet)
，包括粗定位阶段和精细定位阶段
。
输入图像首先通过
Pyramid Vision Transformer
编码器提取多级特征
。
在粗定位阶段，使用频率感知模块进行频域特征提取，生成粗定位图
。
然后，在精细定位阶段，利用修正融合模块在高层层次上实现渐进的先验引导校正和融合
。
最后，进一步引入第一级高分辨率特征来细化伪装对象的边界，生成最终结果；实现了频率感知的伪装目标检测，提高了在复杂背景中发现伪装物体的分辨能力
。
[0010]为了实现上述目的，本专利技术采用如下技术方案：
[0011]本专利技术的第一个方面提供一种基于频率感知的伪装目标检测方法
。
[0012]一种基于频率感知的伪装目标检测方法，包括：
[0013]在粗略定位阶段：提取待测目标图像的多级特征图；基于多级特征图，采用频率感知模块，将颜色特征分解为高频特征图和低频特征图；将高频特征图和低频特征图进行融合，得到多级高频增强特征图；采用邻居连接编码器整合多级高频增强特征图，得到粗定位
图；
[0014]在细化定位阶段：基于多级特征图和粗定位图，采用修正融合模块，先选择与粗定位图最相关的特征，得到第一修正融合特征图；再计算多级特征图和第一修正融合特征图中同一像素上不同特征映射在通道维度上的相似度，经卷积处理过后，得到第二修正融合特征图；基于多级特征图，采用高分辨率特征增强模块，放大感受野，突出一级特征图的重要空间信息后，与第二修正融合特征图进行融合，得到伪装目标的预测图
。
[0015]进一步地，所述得到多级高频增强特征图的过程包括：采用频率感知模块分别对二级特征图
、
三级特征图和四级特征图的颜色特征进行分解，得到高频特征图和低频特征图；将高频特征图和低频特征图进行融合，得到一级高频增强特征图
、
二级高频增强特征图和三级高频增强特征图
。
[0016]更进一步地，所述采用邻居连接编码器整合多级高频增强特征图，得到粗定位图的过程包括：采用邻居连接编码器将一级高频增强特征图
、
二级高频增强特征图和三级高频增强特征图进行整合，得到粗定位图
。
[0017]进一步地，所述得到第一修正融合特征图的过程包括：将三级特征图
、
四级特征图和粗定位图相乘，选择与粗定位图最相关的特征，得到第一修正融合特征图
。
[0018]进一步地，所述得到第二修正融合特征图的过程包括：计算二级特征图与第一修正融合特征图中同一像素上不同特征映射在通道维度上的相似度，经多次卷积处理过后，得到第一权重矩阵和第二权重矩阵；采用第一权重矩阵和第二权重矩阵修正二级特征图的特性，经残差处理，得到第二修正融合特征图
。
[0019]进一步地，所述基于多级特征图，采用高分辨率特征增强模块的过程包括：采用高分辨率特征增强模块，将一级特征图上的感受野模块和空间注意模块放大感受野，突出特征图的重要空间信息
。
[0020]进一步地，所述伪装目标的预测图采用以下公式计算：
[0021][0022]其中，
X1表示高分辨率特征增强模块的输出，表示第二修正融合特征图，
RFB
和
SAM
分别表示感受野模块和空间注意力模块，
Bconv
表示卷积操作
、
批归一化操作和激活函数
。
[0023]本专利技术的第二个方面提供一种基于频率感知的伪装目标检测系统
。
[0024]一种基于频率感知的伪装目标检测系统，包括：
[0025]粗略定位模块，其被配置为：提取待测目标图像的多级特征图；基于多级特征图，采用频率感知模块，将颜色特征分解为高频特征图和低频特征图；将高频特征图和低频特征图进行融合，得到多级高频增强特征图；采用邻居连接编码器整合多级高频增强特征图，得到粗定位图；
[0026]细化定位模块，其被配置为：基于多级特征图和粗定位图，采用修正融合模块，先选择与粗定位图最相关的特征，得到第一修正融合特征图；再计算多级特征图和第一修正融合特征图中同一像素上不同特征映射在通道维度上的相似度，经卷积处理过后，得到第二修正融合特征图；基于多级特征图，采用高分辨率特征增强模块，放大感受野，突出一级特征图的重要空间信息后，与第二修正融合特征图进行融合，得到伪装目标的预测图
。
[0027]本专利技术的第三个方面提供一种计算机可读存储介质
。
[0028]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于频率感知的伪装目标检测方法中的步骤
。
[0029]本专利技术的第四个方面提供一种计算机设备
。
[0030]一种计算机设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于频率感知的伪装目标检测方法，其特征在于，包括：在粗略定位阶段：提取待测目标图像的多级特征图；基于多级特征图，采用频率感知模块，将颜色特征分解为高频特征图和低频特征图；将高频特征图和低频特征图进行融合，得到多级高频增强特征图；采用邻居连接编码器整合多级高频增强特征图，得到粗定位图；在细化定位阶段：基于多级特征图和粗定位图，采用修正融合模块，先选择与粗定位图最相关的特征，得到第一修正融合特征图；再计算多级特征图和第一修正融合特征图中同一像素上不同特征映射在通道维度上的相似度，经卷积处理过后，得到第二修正融合特征图；基于多级特征图，采用高分辨率特征增强模块，放大感受野，突出一级特征图的重要空间信息后，与第二修正融合特征图进行融合，得到伪装目标的预测图
。2.
根据权利要求1所述的基于频率感知的伪装目标检测方法，其特征在于，所述得到多级高频增强特征图的过程包括：采用频率感知模块分别对二级特征图
、
三级特征图和四级特征图的颜色特征进行分解，得到高频特征图和低频特征图；将高频特征图和低频特征图进行融合，得到一级高频增强特征图
、
二级高频增强特征图和三级高频增强特征图
。3.
根据权利要求2所述的基于频率感知的伪装目标检测方法，其特征在于，所述采用邻居连接编码器整合多级高频增强特征图，得到粗定位图的过程包括：采用邻居连接编码器将一级高频增强特征图
、
二级高频增强特征图和三级高频增强特征图进行整合，得到粗定位图
。4.
根据权利要求1所述的基于频率感知的伪装目标检测方法，其特征在于，所述得到第一修正融合特征图的过程包括：将三级特征图
、
四级特征图和粗定位图相乘，选择与粗定位图最相关的特征，得到第一修正融合特征图
。5.
根据权利要求1所述的基于频率感知的伪装目标检测方法，其特征在于，所述得到第二修正融合特征图的过程包括：计算二级特征图与第一修正融合特征图中同一像素上不同特征映射在通道维度上的相似度，经多次卷积处理过后，得到第一权重矩阵和第二权重矩阵；采用第一权重矩阵和第二权重矩阵修正二...

【专利技术属性】
技术研发人员：丛润民，张伟，宋然，仇梓峰，陈宇，陈韬亦，李晓磊，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：