[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測(cè)方法及裝置在審
| 申請(qǐng)?zhí)枺?/td> | 202011245209.6 | 申請(qǐng)日: | 2020-11-10 |
| 公開(公告)號(hào): | CN112419359A | 公開(公告)日: | 2021-02-26 |
| 發(fā)明(設(shè)計(jì))人: | 王禮賀;楊德振;黃成章;喬志平;王偉丞;李凱峰 | 申請(qǐng)(專利權(quán))人: | 中國(guó)電子科技集團(tuán)公司第十一研究所 |
| 主分類號(hào): | G06T7/194 | 分類號(hào): | G06T7/194;G06T7/136;G06T7/73;G06N3/04 |
| 代理公司: | 工業(yè)和信息化部電子專利中心 11010 | 代理人: | 羅丹 |
| 地址: | 100015*** | 國(guó)省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 卷積 神經(jīng)網(wǎng)絡(luò) 紅外 弱小 目標(biāo) 檢測(cè) 方法 裝置 | ||
本發(fā)明公開一種基于卷積神經(jīng)網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測(cè)方法及裝置。該方法包括對(duì)連續(xù)輸入三幀圖像采用卷積神經(jīng)網(wǎng)絡(luò)處理,得到前景掩碼圖像;檢測(cè)輸入圖像中的像素點(diǎn)建立盲元表;利用所述盲元表剔除所述前景掩碼圖像的盲元和閃元;關(guān)聯(lián)多幀所述前景掩碼圖像得到真實(shí)目標(biāo)。本發(fā)明實(shí)現(xiàn)對(duì)復(fù)雜背景條件下的紅外弱小目標(biāo)檢測(cè),基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法相比于其他檢測(cè)算法有更高的檢測(cè)率、更低的虛警率以及更好的背景適應(yīng)性。
技術(shù)領(lǐng)域
本發(fā)明涉及計(jì)算機(jī)視覺和圖像識(shí)別技術(shù)領(lǐng)域,更具體的說,是涉及紅外圖像中一種基于卷積神經(jīng)網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測(cè)方法及裝置。
背景技術(shù)
紅外弱小目標(biāo)是指在紅外圖像中,目標(biāo)由于距離遠(yuǎn),大氣影響等因素導(dǎo)致目標(biāo)在探測(cè)器中成像面積只有幾個(gè)像素點(diǎn)并且目標(biāo)的信噪比低。紅外弱小目標(biāo)檢測(cè)在紅外成像技術(shù)中起著重要的應(yīng)用,可用于遠(yuǎn)距離目標(biāo)檢測(cè)、識(shí)別、預(yù)警。對(duì)紅外弱小目標(biāo)的檢測(cè)目前有多種算法,包括基于人類視覺系統(tǒng)的方法、基于管道濾波的方法、基于機(jī)器學(xué)習(xí)的方法等。
紅外弱小目標(biāo)檢測(cè)方法的性能取決于對(duì)背景、圖像盲閃元的抑制,但是由于背景復(fù)雜多變,目標(biāo)可以在云中、云邊緣、干凈的空背景、地面背景、地面+空中背景等等,傳統(tǒng)目標(biāo)檢測(cè)算法根據(jù)背景設(shè)計(jì)特征提取算子,可以在單一背景下取得良好的檢測(cè)效果,但在多種背景切換時(shí),算法由于不能適應(yīng)新的背景特征,往往出現(xiàn)漏檢或誤檢,導(dǎo)致算法檢測(cè)率下降,虛警率上升。
發(fā)明內(nèi)容
鑒于上述背景,本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測(cè)方法及裝置,以解決復(fù)雜背景條件下的紅外弱小目標(biāo)檢測(cè)率低,虛警率高的問題。
為實(shí)現(xiàn)上述目的,本發(fā)明提供如下技術(shù)方案:
本發(fā)明實(shí)施例一方面提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的紅外弱小目標(biāo)檢測(cè)方法,包括;
對(duì)連續(xù)輸入三幀圖像采用卷積神經(jīng)網(wǎng)絡(luò)處理,得到前景掩碼圖像;
檢測(cè)輸入圖像中的像素點(diǎn)并建立盲元表;
利用所述盲元表剔除所述前景掩碼圖像的盲元和閃元;
關(guān)聯(lián)多幀所述前景掩碼圖像得到真實(shí)目標(biāo)。
進(jìn)一步地,所述卷積神經(jīng)網(wǎng)絡(luò)是通過學(xué)習(xí)多種背景條件下的樣本數(shù)據(jù)與樣本數(shù)據(jù)的前景掩碼信息不斷訓(xùn)練而得到:其中,所述卷積神經(jīng)網(wǎng)絡(luò)包括5個(gè)層級(jí),每個(gè)層級(jí)包括卷積層、BN層和激活函數(shù)層;其中,
每一層級(jí)的卷積層包含2個(gè)3×3×3大小的卷積核,對(duì)輸入的圖像進(jìn)行卷積計(jì)算后的特征圖像送入所述BN層計(jì)算均值、方差參數(shù),再帶入正則公式得到計(jì)算結(jié)果;所述BN層的計(jì)算結(jié)果送入所述激活函數(shù)層進(jìn)行計(jì)算,并輸出至下一層級(jí)的卷積層,直至第5個(gè)層級(jí)執(zhí)行完畢得到前景掩碼圖像。
進(jìn)一步地,所述檢測(cè)輸入圖像中的像素點(diǎn)并建立盲元表,包括;
若預(yù)設(shè)幀數(shù)圖像中,某一位置的像素點(diǎn)的像素值小于周圍像素點(diǎn)像素值,則判定該像素點(diǎn)為盲元;
若預(yù)設(shè)幀數(shù)圖像中,某一位置的像素點(diǎn)的像素值大于或小于周圍點(diǎn)的像素值,判定該像素點(diǎn)為閃元,否則,判斷該像素點(diǎn)為疑似目標(biāo);
保存盲元和閃元的位置信息至所述盲元表中。
進(jìn)一步地,所述利用所述盲元表剔除所述前景掩碼圖像的盲元和閃元,包括:
根據(jù)所述盲元表記錄的所有盲元和閃元的位置信息,剔除前景掩碼圖像中的盲元和閃元;
根據(jù)周圍像素點(diǎn)的像素值的平均值作為相應(yīng)位置的盲元或閃元的像素值。
進(jìn)一步地,所述關(guān)聯(lián)多幀所述前景掩碼圖像得到真實(shí)目標(biāo),包括:
計(jì)算當(dāng)前幀與前一幀前景掩碼圖像的疑似目標(biāo)的距離:
若疑似目標(biāo)的距離不大于預(yù)設(shè)距離閾值,則關(guān)聯(lián)次數(shù)加1;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國(guó)電子科技集團(tuán)公司第十一研究所,未經(jīng)中國(guó)電子科技集團(tuán)公司第十一研究所許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/202011245209.6/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 卷積運(yùn)算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算方法及系統(tǒng)
- 卷積運(yùn)算方法及系統(tǒng)
- 卷積運(yùn)算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算裝置
- 基于FPGA實(shí)現(xiàn)圖像識(shí)別的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





