【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于計算機視覺領(lǐng)域，具體的說是一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法。
技術(shù)介紹
1、紅外成像因其對光照變化的強抗干擾能力，在民用、軍事、工業(yè)及遙感等領(lǐng)域廣泛應(yīng)用。紅外弱小目標(biāo)(irst)檢測算法作為該領(lǐng)域關(guān)鍵技術(shù)，備受國內(nèi)外學(xué)者關(guān)注。其旨在精確定位各種紅外背景下的小目標(biāo)，然而，由于目標(biāo)輻射特性及傳輸路徑影響，紅外圖像中的小目標(biāo)常表現(xiàn)出低信噪比、小尺寸及快速移動等特性，使得檢測任務(wù)極具挑戰(zhàn)性。
2、傳統(tǒng)的單幀紅外弱小目標(biāo)檢測(sirst)方法，如基于多濾波器、稀疏低秩及人類視覺系統(tǒng)(hvs)方法，盡管在特定領(lǐng)域取得成果，但高度依賴手工特征設(shè)計及先驗知識。在面對場景劇變時，這些傳統(tǒng)方法因超參數(shù)固定而難以適應(yīng)新環(huán)境，性能大幅降低。相比之下，基于深度學(xué)習(xí)的方法展現(xiàn)出強大建模能力，通過學(xué)習(xí)提取高度判別特征，顯著提升了性能。然而，這些方法在復(fù)雜背景下仍面臨挑戰(zhàn)，對噪聲敏感，且在捕捉快速移動小目標(biāo)的瞬態(tài)特征方面受限。
3、目前的多幀irst檢測方法通常利用單幀檢測器處理多幀輸入，嘗試將動態(tài)信息保留在轉(zhuǎn)換后的單幀圖像中，但這些方法未針對多幀場景設(shè)計，因此在時間信息的有效利用上仍有待探索。此外，隨著vision?transformer(vit)的興起，其通過圖像patch分解并計算相關(guān)性，被廣泛應(yīng)用于全局圖像建模。
4、盡管基于深度學(xué)習(xí)的目標(biāo)檢測方法取得了顯著進展，但現(xiàn)有紅外弱小目標(biāo)檢測方法仍存在以下不足：
5、1、紅外圖像中的小目標(biāo)常表現(xiàn)出低信噪比、小尺寸及快速移動等特性，現(xiàn)有單幀
6、2、現(xiàn)有多幀irst檢測方法未專為多幀場景設(shè)計，因此在時間信息的利用上有待進一步探索。
7、3、與改進網(wǎng)絡(luò)結(jié)構(gòu)相比，目前方法在空間自注意(sa)的應(yīng)用上僅在單個特征映射上構(gòu)建長距離依賴關(guān)系，而非跨層次建立上下文聯(lián)系。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)是為了解決上述現(xiàn)有技術(shù)存在的不足之處，提出一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，以期能捕捉目標(biāo)的運動信息，并實現(xiàn)跨層級信息融合，從而抑制背景噪聲，保留紅外弱小目標(biāo)的邊緣輪廓特征，增強對快速移動小目標(biāo)的捕捉能力。
2、本專利技術(shù)為達到上述專利技術(shù)目的，采用如下技術(shù)方案：
3、本專利技術(shù)一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法的特點在于，是按如下步驟進行：
4、步驟1、對紅外序列圖像進行預(yù)處理；
5、獲取紅外圖像序列并進行尺寸統(tǒng)一、裁剪、水平和垂直翻轉(zhuǎn)的預(yù)處理后，得到處理后的紅外圖像序列，記為；其中，表示歷史第t-n幀的紅外圖像，當(dāng)n=0時，令表示當(dāng)前幀的紅外圖像；k表示紅外序列圖像中的幀數(shù)；令的真實標(biāo)簽記為；
6、步驟2、構(gòu)建一個針對連續(xù)多幀圖像的時序特征提取模塊，包括：中心差分卷積塊、時間注意力模塊和殘差卷積塊；
7、步驟2.1、所述中心差分卷積塊利用式(1)對進行計算，得到第t-n幀紅外圖像的初始特征ft-n，從而得到紅外圖像序列的初始特征；其中，當(dāng)n=0時，ft表示當(dāng)前幀的紅外圖像的初始特征；
8、(1)
9、式(1)中，是屬于[-1,1]之間的整數(shù)，分別表示橫、縱坐標(biāo)的偏移量；表示的中心位置(x,y)處的像素值，表示中位置處的像素值，是位置處的待學(xué)習(xí)權(quán)值，是超參數(shù)，且<mstyle displaystyle="true" mathcolor="#000000"><mi>θ</mi><mi>∈</mi><mrow><mo>[</mo><mrow><mi>0</mi><mi>,</mi><mi>1</mi></mrow><mo>]</mo></mrow></mstyle>；
10、步驟2.2、時間注意力模塊對進行處理，將當(dāng)前幀的初始特征ft與歷史第t-1幀的初始特征ft-1配對處理后，得到歷史第t-1幀的時序特征，從而得到紅外圖像序列的時序特征；
11、步驟2.3、將紅外圖像序列的時序特征與當(dāng)前幀的初始特征ft拼接后，輸入到殘差卷積塊中進行處理，得到當(dāng)前幀的紅外圖像中紅外弱小目標(biāo)的時空特征fst；
12、步驟3、構(gòu)建一個u型結(jié)構(gòu)的特征交互感知模塊，包括：特征交互感知模塊編碼器、解碼器和多尺度語義交互transformer塊，并用于對fst進行處理，得到紅外弱小目標(biāo)的交互感知特征fa；
13、步驟3.1、所述特征交互感知模塊編碼器使用m組包含下采樣的殘差卷積塊對fst進行處理，得到目標(biāo)的高級特征，其中，表示第i組殘差卷積塊輸出的目標(biāo)高級特征，ci為第i組殘差卷積塊輸出的通道維度；
14、步驟3.2、使用不同尺寸的卷積核對目標(biāo)的高級特征進行補丁嵌入，得到一系列嵌入層特征，其中，表示第i個嵌入層特征，h表示的寬度，且，w表示的高度，且；
15、步驟3.3、使用多尺度語義交互transformer?塊對嵌入層特征進行處理，得到交互層特征，其中，表示第i個交互層特征；
16、步驟3.4、使用解碼器對交互層特征序列進行解碼操作，得到紅外弱小目標(biāo)的交互感知特征fa；
17、步驟3.5、將fa依次通過殘差卷積塊和1×1卷積處理后，得到的紅外預(yù)測結(jié)果pt；
18、步驟4、利用式(10)建立的總損失函數(shù)lt；
19、(10)
20、式(10)中，表示的加權(quán)二元交叉熵損失；表示的最大均方差損失；表示的dice損失；、為兩個加權(quán)系數(shù)；
21、步驟5、基于，利用梯度下降算法對時序特征提取模塊和特征交互感知模塊組成的網(wǎng)絡(luò)進行訓(xùn)練，并計算總損失函數(shù)l以更新網(wǎng)絡(luò)參數(shù)，當(dāng)訓(xùn)練迭代次數(shù)達到設(shè)定的次數(shù)時，停止訓(xùn)練，從而得到訓(xùn)練后的紅外弱小目標(biāo)檢測模型，用于實現(xiàn)對復(fù)雜背景下紅外弱小目標(biāo)的檢測。
22、本專利技術(shù)所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法的特點也在于，所述步驟2.2是按如下步驟進行：
23、步驟2.2.1、將當(dāng)前幀的初始特征ft與歷史第t-1幀的初始特征ft-1配對拼接后，輸入到卷積層進行處理，得到注意力權(quán)重矩陣tt-1；
24、步驟2.2.2、將注意力權(quán)重矩陣tt-1的尺寸重塑為hw×2，從而從tt-1中分離出兩個通道的數(shù)據(jù)，并使用第一通道的數(shù)據(jù)作為ft的注意力權(quán)重tt-1,1，第二通道的數(shù)據(jù)作為ft-1的注意力權(quán)重tt-1,2；其中，h、w分別表示初始特征ft的高度和寬度；
25、步驟2.2.3、使用式(2)得到當(dāng)前幀的初始特征ft與歷史第t-1幀的初始特征ft-1對齊后的時序特征；
26、(2)
27、式(2)中，vt表示本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，是按如下步驟進行：
2.根據(jù)權(quán)利要求1所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，所述步驟2.2是按如下步驟進行：
3.根據(jù)權(quán)利要求1所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，所述步驟3.3是按如下步驟進行：
4.根據(jù)權(quán)利要求3所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，所述步驟4包括：
5.一種電子設(shè)備，包括存儲器以及處理器，其特征在于，所述存儲器用于存儲支持處理器執(zhí)行權(quán)利要求1-4中任一所述紅外弱小目標(biāo)檢測方法的程序，所述處理器被配置為用于執(zhí)行所述存儲器中存儲的程序。
6.一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執(zhí)行權(quán)利要求1-4中任一所述紅外弱小目標(biāo)檢測方法的步驟。
【技術(shù)特征摘要】
1.一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，是按如下步驟進行：
2.根據(jù)權(quán)利要求1所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，所述步驟2.2是按如下步驟進行：
3.根據(jù)權(quán)利要求1所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方法，其特征在于，所述步驟3.3是按如下步驟進行：
4.根據(jù)權(quán)利要求3所述的一種基于多幀交互感知的紅外弱小目標(biāo)檢測方...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：齊美彬，彭景，莊碩，李坤袁，劉一敏，
申請(專利權(quán))人：合肥工業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。