欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021112935448
申请人: 南昌航空大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种红外图像弱小目标检测方法,其特征在于,包括以下步骤:获取样本红外图像;

构建视觉注意力机制特征提取网络;

利用所述视觉注意力机制特征提取网络对所述样本红外图像进行特征提取,得到不同尺度的特征图;

构建多尺度特征融合网络;

利用所述多尺度特征融合网络对所述不同尺度的特征图进行拼接融合,得到多尺度特征融合后的特征图;

将所述多尺度特征融合后的特征图传送至输出端进行筛选,得出所述红外图像中弱小目标的预测结果;

利用定位损失函数和置信度损失函数计算所述红外图像中弱小目标的预测结果与人工标注的红外图像中真实弱小目标结果的定位损失和置信度损失;

基于所述定位损失和所述置信度损失通过反向转播对所述视觉注意力机制特征提取网络和所述多尺度特征融合网络的网络参数进行调整,得到调整后的视觉注意力机制特征提取网络和多尺度特征融合网络;

通过所述调整后的视觉注意力机制特征提取网络和多尺度特征融合网络预测目标红外图像中弱小目标的位置。

2.根据权利要求1所述的一种红外图像弱小目标检测方法,其特征在于,所述构建视觉注意力机制特征提取网络具体包括:将坐标注意力机制与特征提取网络相结合,得到所述视觉注意力机制特征提取网络;

所述坐标注意力机制的公式如式(1)所示:h w

yc=xc×σ(conv(f))×σ(conv(f))     (1)h w h w

式(1)中,(f ,f)=Split(δ(F1((z ,z))))表示对空间信息在水平方向和垂直方向的h w

特征图,其中,z 和z分别表示沿水平坐标方向和垂直坐标方向池化后的特征图,F1表示将水平方向和垂直方向池化后特征图的连接操作,δ表示非线性激活函数,Split表示沿水平和垂直维度的切分操作;conv表示卷积操作,σ表示Sigmoid非线性激活函数,xc表示特征提取网络输出的特征图,yc表示通过坐标注意力机制加权后得到的特征图。

3.根据权利要求1所述的一种红外图像弱小目标检测方法,其特征在于,所述利用所述视觉注意力机制特征提取网络对所述红外图像进行特征提取,得到不同尺度的特征图,具体包括:

根据下式提取所述特征图:

i

式(2)中,X表示输入的红外图像,conv表示对红外图像进行特征提取的第i层卷积操作,xc表示经过多层卷积操作对红外图像提取的特征图;CA表示坐标注意力机制对特征图加权操作,yc表示通过坐标注意力机制加权后得到的特征图,n表示特征提取网络的层数。

4.根据权利要求1所述的一种红外图像弱小目标检测方法,其特征在于,所述多尺度特征融合网络包括:上采样融合层和下采样融合层。

5.根据权利要求4所述的一种红外图像弱小目标检测方法,其特征在于,所述上采样融合层的计算公式如式(3)所示:i

式(3)中,x表示视觉注意力机制特征提取网络的第i层特征图,up表示对特征图进行上i

采样的操作,cat表示将特征图在特征通道上进行拼接,conv 表示将特征图拼接后进行特i

征提取的第i层卷积操作,p表示上采样融合网络进行特征提取得到的第i层特征图,n表示上采样融合网络的层数。

6.根据权利要求4所述的一种红外图像弱小目标检测方法,其特征在于,所述下采样融合层的计算公式如式(4)所示:i

式(4)中,p表示上采样融合网络提取得到的第i层特征图,down表示对特征图进行下采i

样的操作,cat表示将特征图在特征通道上进行拼接,conv 表示将特征图拼接后进行特征i

提取的第i层卷积操作,f表示下采样融合网络进行特征提取得到的第i层特征图,n表示下采样融合网络的层数。

7.根据权利要求1所述的一种红外图像弱小目标检测方法,其特征在于,所述将所述多尺度特征融合后的特征图传送至输出端进行筛选,得出所述红外图像中弱小目标的预测结果具体包括:

将所述多尺度特征融合后的特征图传送至输出端;

采用锚定框对所述多尺度特征融合后的特征图中目标位置进行预测并将目标框出,得到目标预测框;

采用非极大值抑制对所述目标预测框进行筛选,得到筛选结果;

根据所述筛选结果得出所述红外图像中弱小目标的预测结果。

8.根据权利要求1所述的一种红外图像弱小目标检测方法,其特征在于,所述定位损失函数的公式如式(5)所示:式(5)中,LCIoU表示定位损失函数, 度量真实框和预测框gt gt

长宽比的相似性,其中,w 和h 分别表示真实框的宽和高,w和h表示预测框的宽和高;

为权衡长宽比造成的损失和IoU部分造成的损失的平衡因子,IoU表示真实

2 gt 2

框和预测框交并比的面积,ρ(b,b )表示真实框中心点和预测框中心点距离的平方,c 表示包裹真实框和预测框矩形对角线长度的平方。

9.根据权利要求1所述的一种红外图像弱小目标检测方法,其特征在于,所述置信度损失函数的公式如式(6)所示:γ

FL=‑(1‑pt) log(pt)    (6)式(6)中,FL表示置信度损失函数,pt表示预测为正确目标的概率,γ表示调制系数。

10.一种红外图像弱小目标检测系统,其特征在于,包括:样本红外图像获取模块,用于获取样本红外图像;

第一网络构建模块,用于构建视觉注意力机制特征提取网络;

特征提取模块,用于利用所述视觉注意力机制特征提取网络对所述样本红外图像进行特征提取,得到不同尺度的特征图;

第二网络构建模块,用于构建多尺度特征融合网络;

拼接融合模块,用于利用所述多尺度特征融合网络对所述不同尺度的特征图进行拼接融合,得到多尺度特征融合后的特征图;

筛选模块,用于将所述多尺度特征融合后的特征图传送至输出端进行筛选,得出所述红外图像中弱小目标的预测结果;

计算模块,用于利用定位损失函数和置信度损失函数计算所述红外图像中弱小目标的预测结果与人工标注的红外图像中真实弱小目标结果的定位损失和置信度损失;

网络参数调整模块,用于基于所述定位损失和所述置信度损失通过反向转播对所述视觉注意力机制特征提取网络和所述多尺度特征融合网络的网络参数进行调整,得到调整后的视觉注意力机制特征提取网络和多尺度特征融合网络;

预测模块,用于通过所述调整后的视觉注意力机制特征提取网络和多尺度特征融合网络预测目标红外图像中弱小目标的位置。