【技术实现步骤摘要】
本专利技术涉及红外图像数据增强，更具体地，涉及一种基于量化和扩散模型的红外图像数据增强方法及系统。
技术介绍
1、近年来，随着计算机视觉技术的迅猛发展，高质量的图像数据成为了许多视觉任务成功的基础。然而，在红外图像特别是红外小目标检测领域，数据质量的限制一直是提升模型性能的关键瓶颈。红外小目标图像因信号微弱、背景噪声复杂等因素，导致其目标边缘模糊、对比度低，给检测任务带来巨大挑战。尤其是在低信噪比条件下，传统的方法难以有效区分小目标和背景，限制了在遥感监测、军事探测和自动预警等方面的实际应用。
2、红外图像中的物体因为拍摄距离较远通常以小目标呈现，加之受各种因素的干扰，如环境因素(无人机可能受到雾或是云层的干扰)与设备自身因素(传感器不可避免地引入噪声)等，使得红外小目标淹没在各种复杂的背景中，检测具有相当的难度。
3、随着深度学习技术的迅猛发展，基于数据驱动的红外小目标检测方法已经成为研究的热点领域。这些方法主要依赖于卷积神经网络(cnn)来提取图像特征，并通过迭代训练来实现目标的精确定位和分割。然而，要通过这...
【技术保护点】
1.一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述第一量化参数和所述第二量化参数通过对同一正态分布进行交叉采样得到。
3.根据权利要求2所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述进行交叉采样得到所述第一量化参数和所述第二量化参数，具体为：
4.根据权利要求1-3任一项所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述进行非均匀量化操作，具体包括：
5.根据权利要求1...
【技术特征摘要】
1.一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述第一量化参数和所述第二量化参数通过对同一正态分布进行交叉采样得到。
3.根据权利要求2所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述进行交叉采样得到所述第一量化参数和所述第二量化参数，具体为：
4.根据权利要求1-3任一项所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述进行非均匀量化操作，具体包括：
5.根据权利要求1所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，所述像素粗重建模块包括浅层特征提取、深层特征提取和图像重建三个部分；
6.根据权利要求1或5任一项所述的一种基于量化和扩散模型的红外图像数据增强方法，其特征在于，以最小化所述第一重建图像数据和输入的第一量化图像数据之间的像素损失作为目标来训练优化所述像素粗重建模块，所述像素损失的损失函数如下：
<...
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。