【技术实现步骤摘要】
本专利技术属于视觉检测，具体涉及一种针对微小目标的视觉检测方法。
技术介绍
1、在针对微小目标的视觉检测过程中，存在一个核心的技术问题：如何在图像采集阶段和处理阶段有效提升微小目标的可见性和检测精度。具体而言，图像采集阶段受限于设备分辨率和环境因素，微小目标在原始图像中占据的像素极少，导致其特征信息不足，难以被后续算法准确识别。进入图像处理阶段，直接对低分辨率图像进行目标检测，容易造成微小目标的漏检或误检。为了解决这一问题，通常采用上采样或超分辨率重建技术，试图通过增加像素密度来放大微小目标的视觉表现。然而，单纯的上采样操作可能导致图像细节失真或引入伪影，反而降低检测性能。
2、进一步地，在特征提取阶段，特征金字塔网络通过融合不同层次的特征信息，试图兼顾高层次语义信息和低层次细节信息。但微小目标由于像素占比低，其低层次特征往往被背景噪声淹没，而高层次特征又因分辨率不足导致信息丢失，这种特征融合过程难以平衡微小目标的细节保留和语义增强。此外，在训练过程中，针对微小目标的数据增强策略，如随机缩放、裁剪、旋转和颜色变换等，虽然能够...
【技术保护点】
1.一种针对微小目标的视觉检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，从原始图像中提取微小目标区域，采用自适应区域分割算法，根据目标边缘特征和背景对比度，确定目标边界范围包括：
3.根据权利要求1所述的方法，其特征在于，根据分割后的微小目标区域，利用基于深度学习的超分辨率重建模型，通过多尺度特征提取和残差连接，重建高分辨率目标图像包括：
4.根据权利要求3所述的方法，其特征在于，深度学习的超分辨率重建模型包括特征提取、非线性映射和图像重建三个部分；
5.根据权利要求1所述的方法，其特征...
【技术特征摘要】
1.一种针对微小目标的视觉检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，从原始图像中提取微小目标区域，采用自适应区域分割算法，根据目标边缘特征和背景对比度，确定目标边界范围包括：
3.根据权利要求1所述的方法，其特征在于，根据分割后的微小目标区域，利用基于深度学习的超分辨率重建模型，通过多尺度特征提取和残差连接，重建高分辨率目标图像包括：
4.根据权利要求3所述的方法，其特征在于，深度学习的超分辨率重建模型包括特征提取、非线性映射和图像重建三个部分；<...
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。