【技术实现步骤摘要】
本专利技术涉及红外图像数据处理，尤其涉及一种空中红外暗弱小运动目标检测方法。
技术介绍
1、红外成像可满足远距离、多波段、全天候的条件，被广泛地应用于各类探测系统。由于红外探测器可以反映出较远距离目标的红外辐射特征，对红外探测系统探测距离通常要求较高，这导致了三个难点：①目标通常在红外成像图像中较小，仅占5个以内像素；②目标红外辐射量在红外探测系统入瞳处下降，导致目标与背景的对比度较低，成为暗弱目标；③目标在相邻帧间运动距离小，在短时间内难以构成有效轨迹。此外，衍射现象使目标缺乏形状和纹理等细节特征，且红外图像中存在许多与目标表征相似的环境噪声与随机噪声，为红外暗弱小目标的检测带来了较强的干扰。在困难的检测条件下，红外探测系统对检测的实时性也有较高的要求，上述问题都为远距离空中红外暗弱小运动目标检测带来了很大挑战。
2、传统的单帧红外目标检测方法可分为基于滤波的方法、基于人眼视觉系统的方法和低秩方法。其中，基于滤波的方法例如tophat通常局限于特定和统一的场景；基于人眼视觉系统例如lcm仅适用于目标较大、背景区分度较强的场景；低秩方法例如deipi可以处理快速变化的复杂背景，但实时性较差。传统的单帧红外目标检测方法虽然在特定场景下有效，但容易受到杂波和噪声的干扰，这使得它们在干扰较强的远距离空中红外暗弱小目标检测任务中表现较差。先跟踪后检测的多帧红外目标检测方法从时域上使用多帧来增加目标的能量，可分为基于三维匹配滤波器的方法、基于hough变换的方法、基于动态规划的方法、基于粒子滤波的方法。其中，三维匹配滤波器在时
技术实现思路
1、本专利技术实施例提供一种空中红外暗弱小运动目标检测方法，可以通过基于分组卷积核、transformer模块和卷积核的多帧信号自适应累积模块，对待检测图像组进行自适应累积信号，得到表征增强的图像特征矩阵，并通过预设的卷积神经网络yolox-tiny对表征增强的图像特征矩阵进行多尺度检测，得到图像特征矩阵的多尺度检测结果，并采用基于多尺度检测结果统一机制对图像特征矩阵的多尺度检测结果进行排除处理，确定出待检测图像组的目标检测结果，解决了现有多帧红外目标检测方法存在检测速度较慢，不能满足红外检测系统实时性或者更高频检测的要求，有效地提高了在低对比度下红外小目标的检测精度。
2、本专利技术实施例提供一种空中红外暗弱小运动目标检测方法，所述空中红外暗弱小运动目标检测方法包括以下步骤：
3、获取待检测图像组；
4、基于分组卷积核、transformer模块和卷积核的多帧信号自适应累积模块，对所述待检测图像组进行自适应累积信号，得到表征增强的图像特征矩阵；
5、通过预设的卷积神经网络yolox-tiny对所述表征增强的图像特征矩阵进行多尺度检测，得到图像特征矩阵的多尺度检测结果；
6、基于多尺度检测结果统一机制对所述图像特征矩阵的多尺度检测结果进行排除处理，确定出所述待检测图像组的目标检测结果。
7、可选的，其特征在于，所述获取待检测图像组，包括：
8、获取连续多帧待检测图像；
9、将所述连续多帧待检测图像叠放在通道维度上，得到待检测图像组imageset∈rh×w×n：
10、imageset＝{ii,ii-1,…,ii-n+1} (1)
11、其中，ii表示当前第i帧待检测图像，其中ii∈rh×w×1，h为图像长度，w为图像宽度，1为图像通道数；n为帧数；在没有n张连续张时，用全零矩阵0h×w×1代替不足帧：
12、ii-j＝0h×w×1 if i-j＜0 (2)
13、可选的，所述基于分组卷积核、transformer模块和卷积核的多帧信号自适应累积模块，对所述待检测图像组进行自适应累积信号，得到表征增强的待检测图像组，包括：
14、待检测图像组在卷积核的多帧信号自适应累积模块会首先经过时域加权，然后经过空域叠加，以生成表征增强的图像特征矩阵
15、featureset＝fs(ft(imageset)) (3)
16、其中，ft(·)表示时域加权函数，fs(·)表示空域叠加函数。
17、可选的，在时域加权函数ft(·)中，待检测图像组imageset∈rh×w×n首先连续经过步长为2的五个分组卷积核滤波直到尺寸缩小为分组卷积核函数dwconv(·)对待检测图像组imageset的每张图像进行相同的滤波：
18、scaleset＝{isi,…,isi-n+1}＝{dwconv(ii)),…,dwconv(ii-n+1))} (4)
19、然后经过分组卷积核缩小后的会经过transformer模块计算不同帧间的相关性特征图。
20、可选的，所述待检测图像组scaleset会首先分别经过三个全连接层形成问询矩阵回答矩阵权重矩阵然后通过查询机制得到相关性特征图
21、relativeset＝q×kt×v＝{iri,…,iri-n+1} (5)
22、最后经过全局平均池化操作avg(·)，得到池化相关性特征图relativeset；
23、池化相关性特征图relativeset得到α∈n为每一帧给出αi作为加权系数：
24、
25、得到α＝{αi,…,αi-n+1}后，空域叠加函数fs(·)将加权后的帧通过卷积核在空间上叠加，得到进行不同滤波后的多种特征图：
26、
27、其中，c1为卷积核通道数，conv1表示卷积核的第1个通道，即第一种滤波方式；当连续帧帧数不足时，加权图像αj×0h×w×1＝0h×w×1。
28、可选的，所述通过预设的卷积神经网络yolox-tiny对所述表征增强的图像特征矩阵进行多尺度检测，得到图像特征矩阵的多尺度检测结果，包括：
29、通过预设的卷积神经网络yolox-tiny在三种尺度上对表征增强的图像特征矩阵αj×0h×w×1＝0h×w×1的特征进行提取，得到第一特征矩阵第二特征矩阵第三特征矩阵并采用预设的卷积神经网络yolox-tiny的分类检测头从第一特征矩阵、第二特征矩阵、第三特征矩阵生成目标几何中心点置信度预测矩阵：
30、featureclsi＝clsheadi(featureseti) (8)
31、其中，对第一特征矩阵f本文档来自技高网...
【技术保护点】
1.一种空中红外暗弱小运动目标检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的空中红外暗弱小运动目标检测方法，其特征在于，所述获取待检测图像组，包括：
3.如权利要求2所述的空中红外暗弱小运动目标检测方法，其特征在于，所述基于分组卷积核、Transformer模块和卷积核的多帧信号自适应累积模块，对所述待检测图像组进行自适应累积信号，得到表征增强的待检测图像组，包括：
4.如权利要求3所述的空中红外暗弱小运动目标检测方法，其特征在于，在时域加权函数FT(·)中，待检测图像组imageSet∈RH×W×N首先连续经过步长为2的五个分组卷积核滤波直到尺寸缩小为分组卷积核函数DWConv(·)对待检测图像组imageSet的每张图像进行相同的滤波：
5.如权利要求4所述的空中红外暗弱小运动目标检测方法，其特征在于，所述待检测图像组scaleSet会首先分别经过三个全连接层形成问询矩阵回答矩阵权重矩阵然后通过查询机制得到相关性特征图
6.如权利要求5所述的空中红外暗弱小运动目标检测方法，其特征在于，所述通过预设的卷积
7.如权利要求6所述的空中红外暗弱小运动目标检测方法，其特征在于，在所述通过预设的卷积神经网络YOLOX-Tiny对所述表征增强的图像特征矩阵进行多尺度检测，得到图像特征矩阵的多尺度检测结果之前，所述方法还包括：
8.如权利要求7所述的空中红外暗弱小运动目标检测方法，其特征在于，通过损失函数监督目标几何中心点置信度预测矩阵featureClsi不断逼近gtClsi，同时，偏移预测矩阵featureReg的两个通道分别不断逼近偏移矩阵真值gtRegX与偏移矩阵真值gtRegY。
9.如权利要求8所述的空中红外暗弱小运动目标检测方法，其特征在于，所述基于多尺度检测结果统一机制对所述图像特征矩阵的多尺度检测结果进行排除处理，确定出所述待检测图像组的，目标检测结果，包括：
10.如权利要求9所述的空中红外暗弱小运动目标检测方法，其特征在于，首先由目标几何中心点置信度预测第三矩阵featureCls3确定一个含目标的8×8区域，然后由目标几何中心点置信度预测第二矩阵featureCls2从含目标的8×8区域中再筛选出4×4的区域，接着由目标几何中心点置信度预测矩阵featureCls进一步确定一个2×2的最终区域(xcls,ycls)；
...【技术特征摘要】
1.一种空中红外暗弱小运动目标检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的空中红外暗弱小运动目标检测方法，其特征在于，所述获取待检测图像组，包括：
3.如权利要求2所述的空中红外暗弱小运动目标检测方法，其特征在于，所述基于分组卷积核、transformer模块和卷积核的多帧信号自适应累积模块，对所述待检测图像组进行自适应累积信号，得到表征增强的待检测图像组，包括：
4.如权利要求3所述的空中红外暗弱小运动目标检测方法，其特征在于，在时域加权函数ft(·)中，待检测图像组imageset∈rh×w×n首先连续经过步长为2的五个分组卷积核滤波直到尺寸缩小为分组卷积核函数dwconv(·)对待检测图像组imageset的每张图像进行相同的滤波：
5.如权利要求4所述的空中红外暗弱小运动目标检测方法，其特征在于，所述待检测图像组scaleset会首先分别经过三个全连接层形成问询矩阵回答矩阵权重矩阵然后通过查询机制得到相关性特征图
6.如权利要求5所述的空中红外暗弱小运动目标检测方法，其特征在于，所述通过预设的卷积神经网络yolox-tiny对所述表征增强的图像特征矩阵进行多尺度检测，得到图像特征矩阵的多尺度检测结果，...
【专利技术属性】
技术研发人员：何子航，李思敏，刘友江，曹韬，俞聪，
申请(专利权)人：中国工程物理研究院电子工程研究所，
类型：发明
国别省市：
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。