基于深度卷积神经网络的红外小目标检测

被引：40

作者：

吴双忱

左峥嵘

机构：

[1] 华中科技大学人工智能与自动化学院多谱信息处理技术国家级重点实验室

来源：

红外与毫米波学报 | 2019年 / 38卷 / 03期

关键词：

模式识别与智能系统; 红外小目标检测; 深度卷积网络; 低信噪比; 运动模糊; SEnet;

D O I：

暂无

中图分类号：

TN21 [红外技术及仪器]; TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

0803 ; 080401 ; 080901 ; 080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种新的解决红外图像小目标检测问题的深度卷积网络,将对小目标的检测问题转化为对小目标位置分布的分类问题;检测网络由全卷积网络和分类网络组成,全卷积网络对红外小目标进行增强和初步筛选,实现红外图像的背景抑制,分类网络以原始图像和背景抑制后的图像为输入,对目标点后续筛选,网络中引入SEnet(Squeeze-and-Excitation Networks)对特征图进行选择;实验验证了整个检测网络相对于传统小目标检测算法的优势,所提出的基于深度卷积神经网络的小目标检测方法对复杂背景下低信噪比且存在运动模糊的小目标具有很好的检测效果.

引用

页码：371 / 380

页数：10

共 4 条

[1] 基于偏微分方程的红外弱小目标检测技术研究 [J].

王涛 ;

陈凡胜 ;

苏晓峰 ;

贾天石 .

激光与红外, 2016, 46 (07) :885-889

[2] 基于生成MRF和局部统计特性的红外弱小目标检测算法 [J].

薛永宏 ;

饶鹏 ;

樊士伟 ;

张寅生 ;

张涛 ;

安玮 .

红外与毫米波学报, 2013, 32 (05) :431-436

[3]

Small infrared target detection utilizing Local Region Similarity Difference map[J] . He Qi,Bo Mo,Fuxiang Liu,Ying He,Shengdong Liu.Infrared Physics and Technology . 2015

[4] Analysis of new top-hat transformation and the application for infrared dim small target detection [J].

Bai, Xiangzhi ;

Zhou, Fugen .

PATTERN RECOGNITION, 2010, 43 (06) :2145-2156

← 1 →