深度学习的空间红外弱小目标状态感知方法

被引：26

作者：

黄乐弘 ^{[1
,2
,3
]}

曹立华 ^{[1
,3
]}

李宁 ^{[1
,3
]}

李毅 ^{[1
,3
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院大学

[3] 激光与物质相互作用国家重点实验室

来源：

中国光学 | 2020年 / 13卷 / 03期

关键词：

目标检测; 深度学习; 弱小目标; 红外辐射强度;

D O I：

暂无

中图分类号：

TN219 [红外技术的应用]; TP18 [人工智能理论];

学科分类号：

080508 [光电信息材料与器件]; 140502 [人工智能];

摘要：

针对当前空间红外弱小目标状态感知方法存在判别准确率低、人工干涉较多、对数据质量要求较高等问题,提出了一种全新的基于深度学习的判别算法。首先,对空间红外弱小目标状态变化进行了分析,并建立了专用数据集;然后,建立了目标状态感知任务专用的卷积神经网络框架,并在局部标注及自适应阈值等方面进行了创新;最后,应用实验室采集的目标辐射强度信息制作的仿真数据对本算法进行了训练和测试,建立了目标状态感知评估指标体系,并对实验结果进行评估。实验结果表明:在输入连续完整的辐射强度信息时,判别准确率为98.27%;输入片段辐射强度信息时,各状态判别准确率皆大于90%。本算法弥补了现有方法对空间弱小目标状态感知虚警率高和目标信息不完整时不敏感的缺陷,提高了检测速度和精度,可以更好地满足空间红外弱小目标感知任务的需求。

引用

页码：527 / 536

页数：10

共 16 条

[1]

Struck: Structured Output Tracking with Kernels [J].