龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：天津大学
申请日：2024-04-15
公开（公告）日：2024-06-25
公开（公告）号：CN118247489A
主分类号：G06V10/25
分类号：G06V10/25;G06V10/82;G06V10/44;G06V10/80;G06N3/045;G06N3/082
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于双流深度神经网络架构的红外小目标探测方法，采用基于双流网络架构的深度学习模型，结合了两个结构相同的深度子网络，分别处理原始红外图像及其经过亮度反转增强的正交配对图像；得到并且输出具有丰富小目标高级语义特征的多尺度特征图，对两个子网络所述输出的多尺度特征中同位置像素进行逐像素感知融合，针对所述互补特征区域进行像素值的放大调整，通过关系感知特征图得到融合特征图，将所述融合特征图经过二值化处理后得到红外小目标显著性预测图。本发明在不增加网络深度和不降低小目标特征分辨率的情况下，有效捕获红外小目标的高级语义信息，确保获得高精度目标轮廓的同时，显著降低背景噪声中虚假目标的误报率。
主权项：1.一种基于双流深度神经网络架构的红外小目标探测方法，其特征在于，该方法包括以下步骤：S1，对原始红外图像进行亮度反转及增强，得到成对的原始红外图像及红外反转增强图像，构建成对红外小目标探测数据集，划分为训练集、验证集和测试集；S2，构建双流神经网络，所述双流神经网络由两个结构相同的单流子网络组成，构建双流神经网络框架下的双流红外小目标探测模型，每次迭代中通过双流神经网络框架下的双流红外小目标探测模型同时输入同一红外场景的由原始红外图像和亮度反转增强图像构成的正交配对图像；S3，对两个子网络中分别进行红外小目标特征提取，对各子网络隐藏层的相邻层和跨层进行层层嵌套的特征融合，得到并且输出具有丰富小目标高级语义特征的多尺度特征图，包括原始红外图像的特征图和亮度反转增强图像的特征图；S4，对两个子网络所述输出的多尺度特征中同位置像素进行逐像素感知融合，计算输出的多尺度特征图配对位置的总特征信息与差异特征信息，捕捉到两个子网络之间的互补特征区域与冗余特征区域，针对所述互补特征区域进行像素值的放大调整，通过关系感知特征图得到融合特征图，将所述融合特征图经过二值化处理后得到红外小目标显著性预测图。
全文数据：
权利要求：
百度查询： 天津大学 一种基于双流深度神经网络架构的红外小目标探测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号