一种基于目标图像重建的红外弱小目标检测方法与流程

本发明涉及于图像目标检测，具体涉及一种基于目标图像重建的红外弱小目标检测方法。

背景技术：

1、红外探测器具备全天时、全天候、不受天气影响等特点,被广泛使用在空间探测、战略预警等领域。复杂背景下髙效、鲁棒、可靠的红外弱小目标检测是一项非常关键的技术。由于红外图像成像距离远，分辨率低，缺乏细节和纹理信息，目标所在背景复杂，易淹没在背景中，传统待测目标与红外传感器距离较远，目标所占成像区域比例较小，难以提取目标形状、结构、纹理等显著特征，且信号强度弱，孤立噪声点与点目标相似，噪声干扰强， 从而导致较高的虚警率，不能满足预警的需求；随着ai算法的发展，目标检测能力也大幅提升，但是目标检测时，受算力和算法影响，高分辨率的原图要做压缩后才能应用于ai检测算法，从而较大程度上影响弱小目标的检出率。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于目标图像重建的红外弱小目标检测方法。

2、本发明的目的是通过以下技术方案来实现的：

3、一种基于目标图像重建的红外弱小目标检测方法，包括：

4、步骤1：对原图进行卷积提取红外图像高亮的边缘信息，通过连通域的方式筛选图像中所有亮斑位置，形成目标集；

5、步骤2：根据目标集中筛选的亮斑目标，重建出容纳目标集中所有目标的重建图，并记录每个弱小目标的位置序号信息；

6、步骤3：孪生网络训练过程中，计算弱小目标的标注信息与iou值，设置iou阈值，将iou值大于阈值的目标标记为真目标，否则标记为假目标，根据所有弱小目标的位置序号信息更新对应的标注信息；

7、步骤4：输入重建图到训练后的孪生网络模型中做目标检测，将检测到的真目标还原到原图中的位置，并输出最终结果。

8、进一步地，所述的步骤1具体包括：

9、s11：对原图i进行卷积，通过以下方式提取图中目标的边缘信息edge：

10、

11、其中，为卷积核；然后生成边缘图edge(x,y)，其中x，y表示图像中的空间坐标；

12、s12：对边缘图edge(x,y)做二值化操作，得到二值化图binary(x,y)：

13、；

14、其中， thresh为图像像素的阈值；

15、s13：在二值图binary(x,y)中，将像素值为1的部分做连通域计算，结果记为eh图；

16、s14：记录eh图结果中每个连通域的位置与外接矩形长和宽信息，设置阈值筛选出有效亮斑目标位置，形成目标集：

17、

18、其中， w i为第 i个目标的外接矩阵的长， h i为第 i个目标的外接矩阵的宽， thresh area为长宽比阈值、 thresh wh为连通域面积的阈值，1表示第i个连通域为有效目标，0表示第i个连通域为无效目标。

19、进一步地，所述的步骤2具体包括：

20、s21：根据筛选的目标集，从原图中裁剪目标位置的固定大小roi区域，roi区域包含目标和目标的部分背景信息；

21、s22：根据目标集重建一张背景像素值为0的重建图，以容纳目标集中所有目标；

22、s23：将裁剪的roi区域分散拷贝到重建图中，并记录所有目标的序号和对应位置信息。

23、进一步地，步骤3中所述的弱小目标的标注信息 label是为将检测的目标分为真目标与假目标两类：

24、

25、其中 thresh iou是检测目标iou阈值，0表示真目标类别，1表示假目标类别。

26、进一步地，所述的孪生网络包括目标图像重建模块，目标图像重建模块包括一个卷积层和一个relu激活函数层。

27、进一步地，所述的孪生网络将重建后的图像经过交错卷积模块进行特征融合，输出三种不同大小的特征图。

28、进一步地，所述的交错卷积模块包括cbl模块、cbs模块、第一sfb模块、第二sfb模块和dwb模块，所述cbl模块包括卷积层、归一化层和leakyrelu激活函数层，所述cbs模块包括卷积层、归一化层和silu激活函数层，所述第一sfb模块是将三个cbl模块与一个cbl模块连接后进行channelshuffle操作，所述第二sfb模块是将三个cbl模块与一个slice模块连接后进行channelshuffle操作，所述的dwb模块包括两个连接的cbl模块。

29、本发明的有益效果是：

30、本发明通过一种基于目标图像重建的红外弱小目标检测方法，将输入的原始图像通过目标图像重构的方式，避免了图像检测时因为做压缩而降低红外弱小目标丢失的问题。通过图像重构，将红外弱小目标检测的问题转换为真伪亮斑二分类的问题，图像重构后，最大限度的保留了目标和背景信息，将有利于做判断的目标和背景信息都保留下来。最后通过孪生网络的训练方式，在红外弱小目标因噪声导致的真伪目标不均衡的样本中，高效识别出红外弱小目标，说明本发明方法具有更强的鲁棒性。

技术特征：

1.一种基于目标图像重建的红外弱小目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于目标图像重建的红外弱小目标检测方法，其特征在于，所述的步骤1具体包括：

3.根据权利要求2所述的一种基于目标图像重建的红外弱小目标检测方法，其特征在于，所述的步骤2具体包括：

4.根据权利要求1所述的一种基于目标图像重建的红外弱小目标检测方法，其特征在于，步骤3中所述的弱小目标的标注信息label是为将检测的目标分为真目标与假目标两类：

5.根据权利要求1所述的一种基于目标图像重建的红外弱小目标检测方法，其特征在于，所述的孪生网络包括目标图像重建模块，目标图像重建模块包括一个卷积层和一个relu激活函数层。

6.根据权利要求1所述的一种基于目标图像重建的红外弱小目标检测方法，其特征在于，所述的孪生网络将重建后的图像经过交错卷积模块进行特征融合，输出三种不同大小的特征图。

7.根据权利要求6所述的一种基于目标图像重建的红外弱小目标检测方法，其特征在于，所述的交错卷积模块包括cbl模块、cbs模块、第一sfb模块、第二sfb模块和dwb模块，所述cbl模块包括卷积层、归一化层和leakyrelu激活函数层，所述cbs模块包括卷积层、归一化层和silu激活函数层，所述第一sfb模块是将三个cbl模块与一个cbl模块连接后进行channelshuffle操作，所述第二sfb模块是将三个cbl模块与一个slice模块连接后进行channelshuffle操作，所述的dwb模块包括两个连接的cbl模块。

技术总结
本发明公开了一种基于目标图像重建的红外弱小目标检测方法，涉及图像目标检测技术领域。方法包括：对原图进行卷积提取红外图像高亮的边缘信息，通过连通域的方式筛选图像中所有亮斑位置，形成目标集；根据目标集中筛选的亮斑目标，重建出容纳目标集中所有目标的重建图，并记录每个弱小目标的位置序号信息；孪生网络训练过程中，计算弱小目标的标注信息与IOU值，根据所有弱小目标的位置序号信息更新对应的标注信息；输入重建图到训练后的孪生网络模型中做目标检测，将检测到的真目标还原到原图中的位置，并输出最终结果。本发明通过目标图像重建与孪生网络模型，可在因噪声导致的真伪目标不均衡的样本中，高效识别出红外弱小目标。

技术研发人员：刘益安,胡绍刚,瞿锐恒
受保护的技术使用者：海豚乐智科技（成都）有限责任公司
技术研发日：
技术公布日：2024/2/21