基于深度特征融合的红外弱小目标检测方法

摘要：

红外弱小目标具有信噪比低、目标尺寸小、特征不明显等特点,加之场景复杂度不断提升,杂波干扰严重,导致现有的红外弱小目标检测方法在面对复杂场景时性能衰减.综合手工方法提取目标单一的显著特征及深度学习方法提取图像综合特征的优势,设计了基于深度学习的红外弱小目标深度特征融合检测网络模型.首先,模型利用多尺度自适应特征提取网络来提取红外图像中弱小目标的原始特征与平滑度图像中弱小目标的平滑度特征;其次,为提高目标显著度,提出了一种多层级联特征融合策略,实现特征提取网络中小目标原始特征与平滑度特征的融合;最后,利用多层级联特征融合映射网络对红外弱小目标进行特征映射与背景抑制,获得背景杂波被极大抑制的红外弱小目标特征映射图像.实验结果表明,同现有的基于深度学习与基于手工特征的检测方法相比,所提出的检测方法在各种复杂的场景中都拥有较高的准确率及较低的虚警率,同时拥有较快的检测速度.

关键词：红外技术、弱小目标检测、深度学习、平滑度图像、特征融合

所属期刊栏目：55

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省重点研发与推广专项科技攻关项目

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：65-72