【技术实现步骤摘要】
本公开的实施例涉及图像处理以及相关，具体公开了一种红外飞行目标图像生成方法、装置、设备和存储。
技术介绍
1、近年来，低空航空器等飞行目标发展迅速，无序飞行现象频发，严重干扰民航客机、影响重大活动，扰乱社会公共秩序。然而飞行目标通常体积较小，传统雷达难以捕捉，飞行目标全天时检测技术的开发成为保障公共安全的重要措施。现阶段多波段光电跟踪系统是低空航空器全天时侦测的主要手段，但实测目标易受时间、环境等因素制约，无法实现遍历式图像训练和测试。此外，红外拍摄器材往往价格过高，且由于环境、搭载设备等诸多约束，导致红外图像的获取容易受到成本和性能等因素的限制。
2、图像仿真技术快速发展，已成为数据扩增的重要手段之一。现有的红外图像仿真技术通常采用目标与背景融合方式来获得高质量的红外图像。由于两者都来自于测量数据，仿真结果比传统的基于红外辐射特性的仿真结果更加真实。然而，由于无人机目标在远程成像中的反射截面面积较小，受环境噪声和温度的影响，无人机目标在红外视角中的图像纹理和边缘信息往往较为模糊。通过分割算法或人工标记，难以有效地获得具有清晰边缘的目标掩模，使得仿真图像的质量较低。因此，如何生成具有清晰边缘纹理的红外图像已成为无人机等飞行目标仿真任务中需要解决的一个重要问题。
3、随着深度学习的快速发展，基于生成对抗网络(gan)的图像风格转移算法在跨域图像生成任务中取得了良好的效果，为红外图像模拟任务提供了新的思路。例如专利技术专利cn202311260125.3《基于改进的生成对抗网络的红外图像生成方法》，专利技术专
4、针对生成任务中的信息失真问题，本专利技术利用无人机等飞行目标红外图像的特性，提出了一种基于无监督对抗学习的端到端飞行目标红外仿真算法。从特征的角度出发，将多尺度空间压缩模块和混合注意力作为子分量，提取不同维度目标的信息，得到具有清晰边缘纹理的飞行目标红外图像。
技术实现思路
1、针对上述问题，本专利技术公开了一种红外飞行目标图像生成方法、装置、设备和存储，具体技术方案如下：
2、s1、获取训练样本集，所述训练样本集包括通过计算机仿真飞行目标图像和真实的飞行目标图像获取；
3、具体地说，真实的飞行目标图像是从光电跟踪模组所采集的飞行目标视频流中抽帧获取的。
4、具体地说，计算机仿真飞行目标图像获取的画面内容由仿真飞行目标图像和背景两部分组成，其中仿真飞行目标图像由仿真软件随机生成，而背景则来源于步骤s1中从光电跟踪模组采集的真实天空或海洋等背景。
5、s2、以s1中采集的获取训练样本集作为输入，进行红外飞行目标图像生成。所述红外飞行目标图像生成方法是一种改进的生成对抗网络。
6、具体地，该网络在内容信息编码过程中，采用了多尺度特征重构和混合注意模块相结合的编码器，实现目标纹理细节的多尺度提取。
7、具体地，该网络配合颜色感知域的样式编码信息完成上采样重构，缓解训练阶段的模式崩溃现象。
8、具体地，该网络引入了均方误差损失来限制生成器的输出，以减轻卷积叠加造成的高维特征损失，并对生成器进行优化。
9、具体地说，所述引入了均方误差损失来限制生成器的输出具体步骤如下：
10、为了缩小输入图像和目标域之间的分布，以提高生成图像的真实性，本专利技术使用了经典的对抗损失lgan和周期一致性损失lcyc，具体可表示为：
11、
12、其中，e：期望值；g，d，分别表示生成器、判别器、域编码器、内容编码器，其中*表示包含a、b两种风格域。ga，gb：生成器a和生成器b，对应生成风格a和风格b的图片；其中x，y表示生成器a，b第一次生成的结果，表示获取b域下结果x的内容信息，表示获取a域下结果y的域风格信息，再利用生成器ga对以上信息进行重构，并与真实的图像a进行差值循环一致性分析(后面同理)。
13、s222、之后，本专利技术为了确保内容空间不携带领域风格信息，使用内容判别器来判断输入图像的内容特征是否映射在相同空间中，并通过内容判别损失lcon进行优化：
14、
15、s223、最后，为了确保生成的目标域图像在特征维度上与原域图像相对应，本专利技术在生成对抗网络的传统损失函数基础上引入了均方误差损失lfea，并利用多层特征图之间的特征损失来更新生成器。
16、
17、其中，d[]是使用均方误差来计算输入数据的损失；f(x)：真实目标域图像；生成器g生成的目标域图像。因此，总损失函数表示如下：
18、ltotal＝λganlgan+λcyclcyc+λconlcon+λfealfea
19、其中λgan、λcyc、λcon和λfea表示权值，四个的合为1，具体值根据实验经验获取。
20、s231、所述真实的飞行目标图像是利用光电跟踪模组进行采集，主要包括可见光和中波红外的双光谱云台摄像机等，且采集的是同一时刻下一一对应的可见光和红外图像；
21、s232、所述计算机仿真飞行目标图像是利用仿真软件进行采集，主要包括虚幻引擎ue5等。
22、具体地说，通过光电跟踪模组逐帧采集飞行的无人机图像，并同时记录每一帧图像所对应的无人机经纬度与位姿信息以及相机的倍率信息。通过提取这些匹配的关键数据，可以在仿真软件中生成相同画面占比和姿态的飞行目标。此外，仿真无人机图像的背景必须与其匹配的真实无人机图像相同，是通过对真实图像应用图像消除技术去除真实无人机目标得到的，模型只有接受这样的输入图像，才能输出相同背景的生成图。
23、s3、对s2构建的红外飞行目标图像生成方法进行对比分析。
24、具体地说，本专利技术以无人机为对象，以天空和海洋为背景，构建不同时间的无人机飞行图像。
25、具体地说，本专利技术在每个场景中使用1500对图像进行训练，使用300对图像进行测试。模型的初始网络参数从均值为0、方差为0.02的高斯分布中随机选择。批处理大小设置为4。使用亚当优化器优化网络损失，包括β1和β2参数分别设置为0.5和0.999，训练600次，以确保模型收敛，学习速度在第一个400轮固定值0.0001，然后减少到0的迭代的数量线性。
26、具体地说，本专利技术为了更直观地比较各模型在无人机可见光图像到红外图像转换任务中的性能差异，选择了天空和海洋背景下不同时段(白天和傍晚)的红外图像本文档来自技高网...
【技术保护点】
1.一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，所述规划方法包括以下步骤：
2.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，步骤S1中真实的飞行目标图像是从光电跟踪模组所采集的飞行目标视频流中抽帧获取的。
3.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，步骤S1中计算机仿真飞行目标图像获取的画面内容由仿真飞行目标图像和背景两部分组成，其中仿真飞行目标图像由仿真软件随机生成，而背景则来源于步骤S1中从光电跟踪模组采集的真实天空背景。
4.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，所述红外飞行目标图像生成方法是一种改进的生成对抗网络，具体步骤如下：
5.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，引入了均方误差损失来限制生成器的输出，以减轻卷积叠加造成的高维特征损失，并对生成器进行优化，具体步骤如下：
6.实现权利要求1-5任意一项所述一种红外飞
7.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，所述对比分析具体包括以下步骤：
8.一种计算机可读存储介质，其特征在于，介质上存有计算机程序，计算机程序运行后执行如权利要求1至7中任一项所述的一种红外飞行目标图像生成方法。
9.一种计算机设备，其特征在于，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行如权利要求1至7中任一项所述的一种红外飞行目标图像生成方法。
...【技术特征摘要】
1.一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，所述规划方法包括以下步骤：
2.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，步骤s1中真实的飞行目标图像是从光电跟踪模组所采集的飞行目标视频流中抽帧获取的。
3.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，步骤s1中计算机仿真飞行目标图像获取的画面内容由仿真飞行目标图像和背景两部分组成，其中仿真飞行目标图像由仿真软件随机生成，而背景则来源于步骤s1中从光电跟踪模组采集的真实天空背景。
4.根据权利要求1所述的一种红外飞行目标图像生成方法、装置、设备和存储介质，其特征在于，所述红外飞行目标图像生成方法是一种改进的生成对抗网络，具体步骤如下：
5.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：曹渊，唐嘉钰，吴世林，王辉华，林龙信，刘琳，
申请(专利权)人：中国人民解放军九一零五四部队，
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。