基于脉冲神经网络的微光-红外遥感夜间人员检测方法技术

本发明专利技术公开一种基于脉冲神经网络的无人机微光‑红外遥感夜间人员检测方法，包括：对微光和红外多模态影像数据集进行红外暗场校正和数据配准等预处理；通过对抗生成神经网络对微光和红外多模态影像数据集进行数据增强；通过图像融合网络对微光和红外多模态遥感影像进行融合；利用DNN‑to‑SNN转化方法将目标检测网络由深度神经网络转化为脉冲神经网络；将转换后的脉冲神经网络对融合影像图进行检测，以实现夜间人员目标检测。本发明专利技术提供的检测方法在工程项目应用中可实现夜间救援目标检测高精度和实时处理，有效降低网络参数计算量和能耗以便于深度学习模型在无人机等边缘计算平台的高效适配。

【技术实现步骤摘要】

本专利技术涉及无人机夜间遥感影像处理，具体涉及一种基于脉冲神经网络的无人机微光-红外遥感夜间人员检测方法。

技术介绍

1、无人机夜间遥感影像处理技术，是获取灾害现场空间信息的重要技术。快速、准确和灵活的遥感无人机应急响应能力对于抢险救灾工作的进行，灾后灾区重建政策的制定等至关重要。然而，当前遥感技术在夜间救援等应急场景下的应用受到影像检测精度不足，无人机端边缘计算平台计算性能较低，图像探测方法受光照等环境因素影响较大等技术条件的限制。

2、在针对应急场景处理的遥感信息工程应用领域，夜间可见光照度低，应急场景下环境复杂度较高，对于影像数据的精度又有一定的要求，因而以往的研究主要面临着可用数据不足、模型精度受自然环境影响较大、无人机边缘计算平台算力稀缺等问题。早期传统的遥感图像重建方法无法满足对夜间人员目标进行精确检测，基于深度学习模型的遥感图像超分重建方法可有效提高图像的分辨率和检测精度，而如何实现深度学习模型在无人机平台的高效适配，成为当下遥感科学
一个亟待解决的问题。

技术实现思路

1、为本文档来自技高网...

【技术保护点】

1.基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤S1中，预处理的方法包括红外暗场校正和数据配准；

3.根据权利要求1所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤S2中，使用生成风格迁移架构的对抗生成神经网络实现数据增强；该对抗神经网络包括生成器和判别器；

4.根据权利要求3所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤S2中，数据增强的方法包括以下步骤：

...

【技术特征摘要】

1.基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤s1中，预处理的方法包括红外暗场校正和数据配准；

3.根据权利要求1所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤s2中，使用生成风格迁移架构的对抗生成神经网络实现数据增强；该对抗神经网络包括生成器和判别器；

4.根据权利要求3所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤s2中，数据增强的方法包括以下步骤：

5.根据权利要求1所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法，其特征在于，所述步骤s3包括以下步骤：

6.根据权利要求1所述的基于脉冲神经网络的微光-红外遥感夜间人员检测方法...

【专利技术属性】
技术研发人员：姚皓宇，杨乐，李昊林，万瑜廷，马爱龙，钟燕飞，
申请(专利权)人：武汉大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人