基于深度学习的红外过采样扫描图像小目标跟踪算法

摘要：

红外小目标跟踪过程中由于背景、外界杂波等干扰,导致跟踪精确度和实时性欠佳,为此,提出基于深度学习的红外过采样扫描图像小目标跟踪算法.首先构建了红外过采样扫描图像模型,通过背景估计、形态学开运算,对图像中背景以及外界杂波进行多级滤除;然后增加设计特征融合模块和区域选取模块来改进孪生网络,生成融合特征图输入目标区域,通过分类和回归计算提高图像的特征表征能力和跟踪精度;最后建立损失函数训练孪生网络,输出红外过采样扫描图像小目标跟踪结果.实验结果表明,利用所提算法进行图像滤除后,信噪比能够高达35 dB,所提算法的区域重叠率较高、跟踪精度高,且算法的实时性强,帧率达到200 fps以上,整体跟踪效果好.

关键词：多级滤波、改进孪生网络、特征融合、区域选取、红外小目标跟踪

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：河南省科技厅科技攻关支持项目;河南省科技厅科技攻关支持项目

在线出版日期：2023-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：35-40