一种基于局部对比度计算方法的红外细小目标检测算法技术

本发明专利技术属于图像处理和计算机视觉领域，涉及一种基于局部对比度计算方法的红外细小目标检测算法。本发明专利技术对现有的局部对比度方法进行改进，提出了一种新型计算局部对比度方法并设计一种高效、可在边缘平台部署的红外小目标检测方法，通过研究局部对比度特性，本发明专利技术提出可变形注意力模块来分离显著特征和代表特征，并降低计算的复杂性。此外，为了聚合全局和局部相关性，本发明专利技术提出将全局处理模块和卷积模块与目标边缘的监督相结合的交叉聚合。本发明专利技术可高效快速实现红外细小目标检测功能，是一种结合传统局部对比度方法和深度学习特征处理二者优点的高效、快速的红外细小目标检测算法。

【技术实现步骤摘要】

本专利技术属于图像处理和计算机视觉领域，涉及一种基于局部对比度计算方法的红外细小目标检测算法。

技术介绍

1、随着计算机视觉技术的不断进步，大量的视觉信息被积极获取、传输和分析。当前的研究焦点之一是如何使计算机有效处理这些视频数据。在上个世纪，红外成像系统在军事领域得到广泛应用。与雷达系统相比，红外成像系统采用被动探测方式，既能探测目标又能保持自身的隐蔽性。相较于可见光系统，红外探测技术具备穿透能力强、长成像距离和出色抗干扰性等特点，在预警、探测等方面发挥着重要作用。随着时代的发展，红外系统还在医学成像、交通管理、海洋搜救等非军事领域得到广泛应用。在红外成像系统中，目标检测与跟踪的准确性一直是系统评估的关键因素。红外细小目标检测作为该领域的关键技术之一，能够在早期检测异常小目标，有助于及早预警潜在危险并采取相应对策。因此，精确检测红外图像中的细小目标成为当前计算机视觉和图像处理领域亟待解决的热门难题。

2、相较于通用目标检测模型应对的待测目标，红外细小目标具有一系列特点：红外图像中背景噪声和杂波较多，导致低对比度和低信噪比，使目标容易淹没在复杂本文档来自技高网...

【技术保护点】

1.一种局部对比度计算方法的红外细小目标检测算法，其特征在于，包括步骤如下：

2.根据权利要求1所述的一种局部对比度计算方法的红外细小目标检测算法，其特征在于，所述的步骤2）中，对于解码器部分，模型首先对全局特征通过反卷积层处理，使得特征大小增大一倍，得到高级特征；特征融合模块将高级特征和具有相同大小的低级特征进行特征融合，最后通过一次卷积模块处理，得到精炼特征；具体流程如下：其中为反卷积层，为特征融合模块，与分别为高级特征与低级特征； 关于特征融合模块，过程描述如下：其中代表瓶颈模块，由两个卷积核为1×1的卷积模块构成，用来过滤高频噪声；与为横向与竖向特征，与分别代表横向与...

【技术特征摘要】

1.一种局部对比度计算方法的红外细小目标检测算法，其特征在于，包括步骤如下：

2.根据权利要求1所述的一种局部对比度计算方法的红外细小目标检测算法，其特征在于，所述的步骤2）中，对于解码器部分，模型首先对全局特征通过反卷积层处理，使得特征大小增大一倍，得到高级特征；特征融合模块将高级特征和具有相同大小的低级特征进行特征融合，最后通过一次卷积模块处理，得到精炼特征；具体流程如下：其中为反卷积层，为特征融合模块，与分别为高级特征与低级特征； 关于特征融合模块，过程描述如下：其中代表瓶颈模块，由两个卷积核为1×1的卷积模块构成，用来过滤高频噪声；与为横向与竖向特征，与分别代表横向与竖向的注意力计算，主要方式为分别使用一个卷积核为1×3与3×1的可变形卷积模块进行计算，从而实现横向与竖向注意力计算；同样对低级特征和高级特征通过特征融合模块处...

【专利技术属性】
技术研发人员：刘晋源，陈子航，仲维，姜智颖，刘日升，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：