【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是涉及一种γ辐射环境下基于孪生网络的目标跟踪方法。
技术介绍
1、进入新世纪以来，人类科技水平大幅提高，计算机视觉领域得到了长足的发展。目标跟踪技术作为计算机视觉领域的一项基本且具有挑战性的任务，现已广泛应用于智能安防、医学治疗、交通控制等众多实际应用领域。随着人类社会在在核技术相关产业如核能开发、空天探测、诱变育种等领域中的探索日益深入，对γ辐射场景下的跟踪监测需求日益凸显。然而，由于高能γ光子与cmos图像传感器相互作用时，产生的散射和电子对会导致图像中出现冲激性高亮噪点，并扩散成形状、颜色多变且位置随机的斑块状噪声，这些复杂的噪声显著降低了图像质量，严重干扰了场景图像的视觉质量，场景信息的提取与表达变得困难，使得γ辐射场景中的目标跟踪任务面临严峻的挑战。为应对这一问题，研究者们探索了多种预处理手段，包括基于γ噪声几何特性的方法、基于颜色特性的方法和时序特性的方法以期抑制噪声分布。此外，基于深度学习的方法通过训练模型学习从含噪图像到干净图像的映射关系，也展现出对噪声的有效抑制能力。但这些方法在面对高强度...
【技术保护点】
1.一种γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，步骤2中，构建γ辐射场景下的基于孪生结构的目标跟踪模型，具体为：
3.根据权利要求2所述的γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，所述具有孪生结构的特征提取网络与噪声抑制网络采用改进后的ResNet-50模型；其中，将ResNet-50模型中layer3和layer4中的传统卷积替换为膨胀卷积，其膨胀率分别设置为2和4，后使用平均池化进行下采样。
4.根据权利要求2所述的...
【技术特征摘要】
1.一种γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，步骤2中，构建γ辐射场景下的基于孪生结构的目标跟踪模型，具体为：
3.根据权利要求2所述的γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，所述具有孪生结构的特征提取网络与噪声抑制网络采用改进后的resnet-50模型；其中，将resnet-50模型中layer3和layer4中的传统卷积替换为膨胀卷积，其膨胀率分别设置为2和4，后使用平均池化进行下采样。
4.根据权利要求2所述的γ辐射环境下基于孪生网络的目标跟踪方法，其特征在于，所述全局特征增强...
【专利技术属性】
技术研发人员：刘桂华，李秋恒，邓豪，陈春梅，徐锋，
申请(专利权)人：西南科技大学，
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。