【技術實現步驟摘要】
本專利技術涉及紅外圖像數據處理，尤其涉及一種空中紅外暗弱小運動目標檢測方法。
技術介紹
1、紅外成像可滿足遠距離、多波段、全天候的條件，被廣泛地應用于各類探測系統。由于紅外探測器可以反映出較遠距離目標的紅外輻射特征，對紅外探測系統探測距離通常要求較高，這導致了三個難點：①目標通常在紅外成像圖像中較小，僅占5個以內像素；②目標紅外輻射量在紅外探測系統入瞳處下降，導致目標與背景的對比度較低，成為暗弱目標；③目標在相鄰幀間運動距離小，在短時間內難以構成有效軌跡。此外，衍射現象使目標缺乏形狀和紋理等細節特征，且紅外圖像中存在許多與目標表征相似的環境噪聲與隨機噪聲，為紅外暗弱小目標的檢測帶來了較強的干擾。在困難的檢測條件下，紅外探測系統對檢測的實時性也有較高的要求，上述問題都為遠距離空中紅外暗弱小運動目標檢測帶來了很大挑戰。
2、傳統的單幀紅外目標檢測方法可分為基于濾波的方法、基于人眼視覺系統的方法和低秩方法。其中，基于濾波的方法例如tophat通常局限于特定和統一的場景；基于人眼視覺系統例如lcm僅適用于目標較大、背景區分度較強的場景；低秩方法例如deipi可以處理快速變化的復雜背景，但實時性較差。傳統的單幀紅外目標檢測方法雖然在特定場景下有效，但容易受到雜波和噪聲的干擾，這使得它們在干擾較強的遠距離空中紅外暗弱小目標檢測任務中表現較差。先跟蹤后檢測的多幀紅外目標檢測方法從時域上使用多幀來增加目標的能量，可分為基于三維匹配濾波器的方法、基于hough變換的方法、基于動態規劃的方法、基于粒子濾波的方法。其中，三維匹配濾波器在時
技術實現思路
1、本專利技術實施例提供一種空中紅外暗弱小運動目標檢測方法，可以通過基于分組卷積核、transformer模塊和卷積核的多幀信號自適應累積模塊，對待檢測圖像組進行自適應累積信號，得到表征增強的圖像特征矩陣，并通過預設的卷積神經網絡yolox-tiny對表征增強的圖像特征矩陣進行多尺度檢測，得到圖像特征矩陣的多尺度檢測結果，并采用基于多尺度檢測結果統一機制對圖像特征矩陣的多尺度檢測結果進行排除處理，確定出待檢測圖像組的目標檢測結果，解決了現有多幀紅外目標檢測方法存在檢測速度較慢，不能滿足紅外檢測系統實時性或者更高頻檢測的要求，有效地提高了在低對比度下紅外小目標的檢測精度。
2、本專利技術實施例提供一種空中紅外暗弱小運動目標檢測方法，所述空中紅外暗弱小運動目標檢測方法包括以下步驟：
3、獲取待檢測圖像組；
4、基于分組卷積核、transformer模塊和卷積核的多幀信號自適應累積模塊，對所述待檢測圖像組進行自適應累積信號，得到表征增強的圖像特征矩陣；
5、通過預設的卷積神經網絡yolox-tiny對所述表征增強的圖像特征矩陣進行多尺度檢測，得到圖像特征矩陣的多尺度檢測結果；
6、基于多尺度檢測結果統一機制對所述圖像特征矩陣的多尺度檢測結果進行排除處理，確定出所述待檢測圖像組的目標檢測結果。
7、可選的，其特征在于，所述獲取待檢測圖像組，包括：
8、獲取連續多幀待檢測圖像；
9、將所述連續多幀待檢測圖像疊放在通道維度上，得到待檢測圖像組imageset∈rh×w×n：
10、imageset＝{ii,ii-1,…,ii-n+1}?(1)
11、其中，ii表示當前第i幀待檢測圖像，其中ii∈rh×w×1，h為圖像長度，w為圖像寬度，1為圖像通道數；n為幀數；在沒有n張連續張時，用全零矩陣0h×w×1代替不足幀：
12、ii-j＝0h×w×1?if?i-j＜0?(2)
13、可選的，所述基于分組卷積核、transformer模塊和卷積核的多幀信號自適應累積模塊，對所述待檢測圖像組進行自適應累積信號，得到表征增強的待檢測圖像組，包括：
14、待檢測圖像組在卷積核的多幀信號自適應累積模塊會首先經過時域加權，然后經過空域疊加，以生成表征增強的圖像特征矩陣
15、featureset＝fs(ft(imageset))?(3)
16、其中，ft(·)表示時域加權函數，fs(·)表示空域疊加函數。
17、可選的，在時域加權函數ft(·)中，待檢測圖像組imageset∈rh×w×n首先連續經過步長為2的五個分組卷積核濾波直到尺寸縮小為分組卷積核函數dwconv(·)對待檢測圖像組imageset的每張圖像進行相同的濾波：
18、scaleset＝{isi,…,isi-n+1}＝{dwconv(ii)),…,dwconv(ii-n+1))}?(4)
19、然后經過分組卷積核縮小后的會經過transformer模塊計算不同幀間的相關性特征圖。
20、可選的，所述待檢測圖像組scaleset會首先分別經過三個全連接層形成問詢矩陣回答矩陣權重矩陣然后通過查詢機制得到相關性特征圖
21、relativeset＝q×kt×v＝{iri,…,iri-n+1}?(5)
22、最后經過全局平均池化操作avg(·)，得到池化相關性特征圖relativeset；
23、池化相關性特征圖relativeset得到α∈n為每一幀給出αi作為加權系數：
24、
25、得到α＝{αi,…,αi-n+1}后，空域疊加函數fs(·)將加權后的幀通過卷積核在空間上疊加，得到進行不同濾波后的多種特征圖：
26、
27、其中，c1為卷積核通道數，conv1表示卷積核的第1個通道，即第一種濾波方式；當連續幀幀數不足時，加權圖像αj×0h×w×1＝0h×w×1。
28、可選的，所述通過預設的卷積神經網絡yolox-tiny對所述表征增強的圖像特征矩陣進行多尺度檢測，得到圖像特征矩陣的多尺度檢測結果，包括：
29、通過預設的卷積神經網絡yolox-tiny在三種尺度上對表征增強的圖像特征矩陣αj×0h×w×1＝0h×w×1的特征進行提取，得到第一特征矩陣第二特征矩陣第三特征矩陣并采用預設的卷積神經網絡yolox-tiny的分類檢測頭從第一特征矩陣、第二特征矩陣、第三特征矩陣生成目標幾何中心點置信度預測矩陣：
30、featureclsi＝clsheadi(featureseti)?(8)
31、其中，對第一特征矩陣f本文檔來自技高網...
【技術保護點】
1.一種空中紅外暗弱小運動目標檢測方法，其特征在于，所述方法包括：
2.如權利要求1所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述獲取待檢測圖像組，包括：
3.如權利要求2所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述基于分組卷積核、Transformer模塊和卷積核的多幀信號自適應累積模塊，對所述待檢測圖像組進行自適應累積信號，得到表征增強的待檢測圖像組，包括：
4.如權利要求3所述的空中紅外暗弱小運動目標檢測方法，其特征在于，在時域加權函數FT(·)中，待檢測圖像組imageSet∈RH×W×N首先連續經過步長為2的五個分組卷積核濾波直到尺寸縮小為分組卷積核函數DWConv(·)對待檢測圖像組imageSet的每張圖像進行相同的濾波：
5.如權利要求4所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述待檢測圖像組scaleSet會首先分別經過三個全連接層形成問詢矩陣回答矩陣權重矩陣然后通過查詢機制得到相關性特征圖
6.如權利要求5所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述通過預設的卷積
7.如權利要求6所述的空中紅外暗弱小運動目標檢測方法，其特征在于，在所述通過預設的卷積神經網絡YOLOX-Tiny對所述表征增強的圖像特征矩陣進行多尺度檢測，得到圖像特征矩陣的多尺度檢測結果之前，所述方法還包括：
8.如權利要求7所述的空中紅外暗弱小運動目標檢測方法，其特征在于，通過損失函數監督目標幾何中心點置信度預測矩陣featureClsi不斷逼近gtClsi，同時，偏移預測矩陣featureReg的兩個通道分別不斷逼近偏移矩陣真值gtRegX與偏移矩陣真值gtRegY。
9.如權利要求8所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述基于多尺度檢測結果統一機制對所述圖像特征矩陣的多尺度檢測結果進行排除處理，確定出所述待檢測圖像組的，目標檢測結果，包括：
10.如權利要求9所述的空中紅外暗弱小運動目標檢測方法，其特征在于，首先由目標幾何中心點置信度預測第三矩陣featureCls3確定一個含目標的8×8區域，然后由目標幾何中心點置信度預測第二矩陣featureCls2從含目標的8×8區域中再篩選出4×4的區域，接著由目標幾何中心點置信度預測矩陣featureCls進一步確定一個2×2的最終區域(xcls,ycls)；
...【技術特征摘要】
1.一種空中紅外暗弱小運動目標檢測方法，其特征在于，所述方法包括：
2.如權利要求1所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述獲取待檢測圖像組，包括：
3.如權利要求2所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述基于分組卷積核、transformer模塊和卷積核的多幀信號自適應累積模塊，對所述待檢測圖像組進行自適應累積信號，得到表征增強的待檢測圖像組，包括：
4.如權利要求3所述的空中紅外暗弱小運動目標檢測方法，其特征在于，在時域加權函數ft(·)中，待檢測圖像組imageset∈rh×w×n首先連續經過步長為2的五個分組卷積核濾波直到尺寸縮小為分組卷積核函數dwconv(·)對待檢測圖像組imageset的每張圖像進行相同的濾波：
5.如權利要求4所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述待檢測圖像組scaleset會首先分別經過三個全連接層形成問詢矩陣回答矩陣權重矩陣然后通過查詢機制得到相關性特征圖
6.如權利要求5所述的空中紅外暗弱小運動目標檢測方法，其特征在于，所述通過預設的卷積神經網絡yolox-tiny對所述表征增強的圖像特征矩陣進行多尺度檢測，得到圖像特征矩陣的多尺度檢測結果，...
【專利技術屬性】
技術研發人員：何子航，李思敏，劉友江，曹韜，俞聰，
申請(專利權)人：中國工程物理研究院電子工程研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。