【技术实现步骤摘要】
本专利技术涉及红外成像探测及识别，特别涉及一种基于小波高低频分量差异性学习的小目标探测方法。
技术介绍
1、红外小目标探测作为在复杂背景中辨别暗弱目标一项任务，在海上救援，边海防目标监测等场景中具有重要应用。由于红外小目标探测领域中相关数据集的普及，过去几年，深度学习方法得到了快速发展，且性能明显优于传统方法。其中的部分方法取得了令人满意的结果，但与可见光波段下的通用型目标检测任务不同，受红外成像设备以及小目标自身的独特性影响，远距离下的小目标监测仍存在一些问题需要解决。1)网络下采样机制：当前应用于红外小目标探测任务的模型大多以unet作为基线方法，为获取目标的深层语义特征，采用池化模块进行下采样，使用插值算法进行上采样。上述过程将导致小目标本就稀少的目标区域信息量不断变稀疏，因池化而丢失的像素信息并不能通过插值算法进行恢复。对整个场景造成不可逆的信息损伤，目标响应骤降。2)目标呈现暗弱特性：受远距离情况下大气散射吸收以及目标自身辐射能力影响，小目标呈现出暗弱特性，缺乏显著性，目标可学习特征量较低，增加了网络捕获目标信息的难度。3)背...
【技术保护点】
1.一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，其中S1进一步包括所述低频分量红外图像特征为显著的局部区域目标特征，所述高频分量红外图像特征为具有差异性的目标-背景杂波信息，且所述高频分量红外图像特征是由H,V,D三个高频分量沿图像通道维度拼接组成。
3.根据权利要求1所述的一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，其中S3进一步包括实现下采样，获得仅具有原始输入图像一半的尺寸的下采样后的...
【技术特征摘要】
1.一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，其中s1进一步包括所述低频分量红外图像特征为显著的局部区域目标特征，所述高频分量红外图像特征为具有差异性的目标-背景杂波信息，且所述高频分量红外图像特征是由h,v,d三个高频分量沿图像通道维度拼接组成。
3.根据权利要求1所述的一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，其中s3进一步包括实现下采样，获得仅具有原始输入图像一半的尺寸的下采样后的低频分量红外图像特征和低频分量红外图像特征，在特征学习结束后，低频分量和高频分量利用逆小波重构得到原始输入图像，实现无损的下采样和上采样。
4.根据权利要求1所述的一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，其中s2中的所述低频编码器为密集特征金字塔结构，包括基础小波特征提取单元和密集小波特征提取单元，密集特征金字塔结构每层的顶点为基础小波特征提取单元，金字塔各层为串联的密集小波特征提取单元；其中，基础小波特征提取单元根据对原始输入图像进行特征提取，获得不同尺度输入数据，所述输入数据经过多层的密集小波特征提取单元将低尺度的基础小波特征特征和高尺度的密集小波特征进行融合，进行特征的学习，获取不同感受野特征。
5.根据权利要求4所述的一种基于小波高低频分量差异性学习的红外小目标探测方法，其特征在于，所述基础小波特征提取单元为残差块结构，输入数据首先进入基础小波特征提取单元，在每个基础小波特征提取单元中，低频分量红外图像特征a和高频分量红外图像特征u均通过具有卷积层的残差块，进行输入特征与输出特征学习，输出基础小波特征，进一步包括残差处理后的低频分量红外图像特征和高频分量...
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。