一种基于知识增强网络的改进红外小目标检测方法技术

本发明专利技术提供了一种基于知识增强网络的改进红外小目标检测方法，属于红外目标检测领域。本方法首先基于亮度和方向的红外特性的知识，在红外图像中前景小目标区别于周围场景的温度更高，视觉上将更为明亮；红外图像中背景的和前景的轮廓运动趋势、平滑纹理在视觉上存在明显差异，改进通用显著性特征提取方案，提取红外小目标亮度和方向的显著性特征；其次提出传统知识特征和深度学习特征相融合的加权激活融合模块，有效地重新加权和激活特征图，确保模型专注于最相关的特征。本发明专利技术中提出的知识增强网络由于构建成了模块化的性质，可以应用到任意现有的目标检测模型中，辅助现有模型提高检测能力，这一方面贡献意义较大。

【技术实现步骤摘要】

本专利技术属于红外目标检测领域，尤其涉及一种基于知识增强网络的改进红外小目标检测方法。

技术介绍

1、在监视、国防和遥感等一系列领域，红外传感器因其快速响应和鲁棒性而得到广泛应用，可以用于捕获快速移动的场景。红外目标检测作为计算机视觉中的一项关键任务，主要可分为一般目标检测和小目标检测。随着众多通用目标检测方法的进步，现在可以解决大多数与定位和分类相关的红外检测问题。因此，单帧红外小目标检测方法引起了更多的关注。与通用对象检测不同，红外图像中的目标通常缺乏清晰的颜色和纹理信息。小型红外目标由于从相当远的距离拍摄，例如涉及个人或船只的远程海上救援任务、识别未经授权的无人机或空中漂浮物体，物体通常占据小于30×30像素。同时，这些物体不仅体积小，而且经常被复杂的背景包围，这使得红外小目标检测更具挑战性。

2、传统方法通常依赖于手工制作的特征和基于启发式的算法，包括基于滤波器的方法、基于局部对比度的方法和基于低秩的方法，这些方法难以在不同场景下很好地泛化。近年来，随着深度学习技术，特别是卷积神经网络的出现，在包括对象检测在内的各种计算机视觉任务中显示本文档来自技高网...

【技术保护点】

1.一种基于知识增强网络的改进红外小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于知识增强网络的改进红外小目标检测方法，其特征在于，所述多尺度专家特征通过以下步骤得到：

3.根据权利要求2所述的一种基于知识增强网络的改进红外小目标检测方法，其特征在于，所述归一化操作N具体如下：

4.根据权利要求3所述的一种基于知识增强网络的改进红外小目标检测方法，其特征在于，将亮度特征I和方向特征O融合为专家特征前，需先对其进行粗细粒度融合，计算方法如下：

5.根据权利要求4所述的一种基于知识增强网络的改进红外小目标检测方法，其...

【技术特征摘要】

1.一种基于知识增强网络的改进红外小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于知识增强网络的改进红外小目标检测方法，其特征在于，所述多尺度专家特征通过以下步骤得到：

3.根据权利要求2所述的一种基于知识增强网络的改进红外小目标检测方法，其特征在于，所述归一化操作n具体如下：

4.根据权利要求3所述的一种基于知识增强网络的改进红外小目标检测方法，其特征在于，将亮度特征i和方向特征o融合为专家特征前，需先对其进行粗细粒度融合，计算方法如下：

5.根据权利要求4所述的一种基于知识增强网络的改进...

【专利技术属性】
技术研发人员：李文，段立新，徐佳宜，韩世蛟，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：