[發明專利]一種紅外弱小目標的檢測方法及裝置

在審

• 申請號: 202111314963.5
• 申請日: 2021-11-08
• 公開（公告）號: CN114037870A
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 馬玉瑩;黃成章;黃靜穎;陳秀芬;喬志平
• 申請（專利權）人: 中國電子科技集團公司第十一研究所
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V30/19;G06V10/30;G06K9/62;G06N3/04
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 田衛平

本發明公開了一種紅外弱小目標的檢測方法及裝置，包括獲取紅外圖像數據；基于紅外圖像數據利用第一檢測器進行檢測，并確定相應的第一檢測結果的置信度；在第一檢測結果的置信度大于第一閾值的情況下，直接判斷目標類型；在第一檢測結果的置信度大于第二閾值且小于第一閾值的情況下，對紅外圖像數據中的目標區域進行上采樣；將上采樣后的目標區域利用第二檢測器進行檢測，并確定相應的第二檢測結果的置信度，其中第二檢測器的檢測粒度小于第一檢測器的檢測粒度；在第二檢測結果的置信度大于第一閾值的情況下，判斷目標類型。本公開通過第一檢測器的粗粒度檢測和第二檢測器的細粒度檢測能夠提高對紅外圖像中弱小目標的檢出能力。

技術領域

本發明涉及紅外系統技術領域，尤其涉及一種紅外弱小目標的檢測方法及裝置。

背景技術

紅外目標檢測系統的重要衡量指標是對弱小目標的檢測能力。在待檢測的目標與探測器的距離很遠時，目標的光譜能量經過大氣傳輸，在大氣擾動、光學散射和衍射等影響下，探測器靶面能接收到的目標的光譜輻照度很小，導致圖像中目標的信噪比很低。因此，紅外場景中的弱小目標與其他圖像相比，具有目標更小，更難以分辨的特性，紅外弱小目標檢測技術也面臨著極大挑戰。

隨著深度學習技術的問世，將基于特征表達的圖像檢測識別等任務統一在同一個理論框架下，不需要通過人工設計提取特征的傳統方式，而是讓機器在無監督的條件下提取和選擇特征。現有的大部分網絡在卷積的過程中，紅外小目標的特征信息容易丟失，紅外小目標檢測效果仍然不夠理想。

發明內容

本發明實施例提供一種紅外弱小目標的檢測方法及裝置，用以提高對紅外圖像中的弱小目標的檢測能力。

本發明實施例提供一種紅外弱小目標的檢測方法，包括：

獲取紅外圖像數據；

基于所述紅外圖像數據利用第一檢測器進行檢測，并確定相應的第一檢測結果的置信度；

在第一檢測結果的置信度大于第一閾值的情況下，直接判斷目標類型；

在第一檢測結果的置信度大于第二閾值且小于第一閾值的情況下，對所述紅外圖像數據中的目標區域進行上采樣；

將上采樣后的目標區域利用第二檢測器進行檢測，并確定相應的第二檢測結果的置信度，其中所述第二檢測器的檢測粒度小于所述第一檢測器的檢測粒度；

在第二檢測結果的置信度大于第一閾值的情況下，判斷目標類型。

在一些實施例中，還包括在在第一檢測結果的置信度小于第二閾值的情況下，判斷所述紅外圖像數據中不包含目標。

在一些實施例中，對所述紅外圖像數據中的目標區域進行上采樣是通過雙三次上采樣完成的。

在一些實施例中，獲取紅外圖像數據包括：

獲取原始紅外圖像數據，并對所述原始紅外圖像數據進行噪聲抑制，以獲取所述紅外圖像數據。

在一些實施例中，所述第一檢測器和所述第二檢測器均基于SSD網絡框架實現；

所述SSD網絡框架包括依序設置的第一AlexNet網絡結構、第二AlexNet網絡結構、第一卷積網絡、第二卷積網絡和池化層，其中所述第一AlexNet網絡結構包括5層卷積層，且各卷積內核大小為3，所述第一卷積網絡和第二卷積網絡的內核大小為3，步長為2，所述池化層內核尺寸為3。

在一些實施例中，所述SSD網絡框架還包括設置于各級結構輸出端的先驗框，且各先驗框的規格不同；

各先驗框被配置為基于該級結構的輸出預測可能存在目標的邊界框。