检索结果-南通市图书馆

改进非凸估计与非对称时空正则化的红外小目标检测方法

在线全文

学校读者我要写书评

暂无评论

国防科技大学学报 2024年第3期46卷 180-194页

作者：胡亮杨德贵赵党军张俊超中南大学自动化学院湖南长沙410083

针对复杂背景下的红外小目标检测,在非对称时空正则化约束的非凸张量低秩估计算法基础上,提出了一种新的核范数估计方法代替原算法中的估计方法。提出基于结构张量与多结构元顶帽(Top-Hat)滤波的自适应权重张量对目标张量进行约束,增强... 详细信息

针对复杂背景下的红外小目标检测,在非对称时空正则化约束的非凸张量低秩估计算法基础上,提出了一种新的核范数估计方法代替原算法中的估计方法。提出基于结构张量与多结构元顶帽(Top-Hat)滤波的自适应权重张量对目标张量进行约束,增强目标张量稀疏性的同时抑制其中残存的强边缘结构。实验结果表明,所提改进算法能够更好地消除图像中强边缘结构对检测结果的影响,在保证检测率的情况下,较原算法具有更低的虚警率。

关键词：红外小目标检测张量恢复张量核范数多结构元Top-Hat滤波

在线全文

学校读者我要写书评

暂无评论

难点注意力感知红外小目标检测网络

中国光学（中英文） 2024年第3期17卷 538-547页

作者：王伯霄宋延嵩董小娜长春理工大学光电工程学院吉林长春130000 长春理工大学空间光电技术研究所吉林长春130000

随着飞行器机动性能的提升,多帧红外小目标检测方法不足以满足检测要求。近年来,基于深度学习的单帧红外小目标检测方法取得了巨大成功。然而,红外小目标通常缺少形状特征,而且边界与背景模糊不清,给准确分割带来了一定的挑战。针对上... 详细信息

随着飞行器机动性能的提升,多帧红外小目标检测方法不足以满足检测要求。近年来,基于深度学习的单帧红外小目标检测方法取得了巨大成功。然而,红外小目标通常缺少形状特征,而且边界与背景模糊不清,给准确分割带来了一定的挑战。针对上述问题,本文提出难点注意力感知红外小目标检测网络。通过基于点的区域建议模块获取目标潜在区域,同时滤除多余背景。为实现高质量分割、细化掩码边界模块、判断粗掩码中无序、非局部难以分辨点,融合这些难点的多尺度特征,进行逐像素注意力建模。最后,由点检测头对难点注意力感知特征重新预测,生成精细分割掩码。在公开数据集NUDT-SIRST和IRDST上进行测试,平均精度均值mAP达到87.4和63.4,F值达到0.8935和0.7056。本文提出的难点注意力感知红外小目标检测网络可在多检测场景、多目标形态下实现准确分割,抑制误报信息,同时控制计算开销。

关键词：目标检测深度学习红外成像红外小目标检测注意力机制

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

门控卷积和高频特征融合的红外小目标检测

计算机工程与应用 2024年

作者：刘奎唐慧萍苏本跃安庆师范大学计算机与信息学院铜陵学院数学与计算机学院

针对在远距离复杂场景下红外小目标尺寸和形状差异大，检测精度欠佳的问题，提出了一种基于门控卷积和高频特征融合的红外小目标检测模型。首先，为了解决复杂场景下目标尺寸差异的问题，通过在U-Net下采样过程中使用门控快速傅里叶卷积... 详细信息

针对在远距离复杂场景下红外小目标尺寸和形状差异大，检测精度欠佳的问题，提出了一种基于门控卷积和高频特征融合的红外小目标检测模型。首先，为了解决复杂场景下目标尺寸差异的问题，通过在U-Net下采样过程中使用门控快速傅里叶卷积（Gated Fast Fourier Convolution， GFFC）模块提取多尺度的全局和局部特征，为提升模型在不同复杂程度数据集上的训练效果，利用超参数门控调节网络对目标全局和局部特征的权重，平衡网络对全局和局部特征的需求。其次，为解决红外小目标形状差异的问题，采用了高频特征融合（High-frequency Feature Fusion， HFF）模块，进一步提取高频子带特征，增强红外小目标细节纹理信息。最后，在SIRST和IRSTD数据集上的实验结果表明，相比基准方法，提出的方法在两个数据集的评价指标下分别提升了0.83%、0.40%和5.18%、0.23%，证明了该方法的有效性。

关键词：门控快速傅里叶卷积高频特征融合红外小目标检测

基于扩张卷积条件生成对抗网络的红外小目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第2期51卷 151-160页

作者：张国栋陈志华盛斌华东理工大学信息科学与工程学院上海200237 上海交通大学电子信息与电气工程学院上海200240

基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方... 详细信息

基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方法的检测效果并不理想。文中从红外小目标特性这一关键问题出发,提出了一种新颖的基于扩张卷积条件生成对抗网络的目标检测算法。所提方法应用扩张卷积设计了生成网络,充分利用上下文信息建立层与层之间的关联,将红外小目标更多的语义信息保留到深层网络中,增强目标特征,进而提高检测性能。此外,设计了融合通道与空间维度的混合注意力模块,在特征提取时有选择性地放大目标信息,抑制背景信息;设计了自注意关联模块处理层与层之间信息融合过程中产生的语义冲突问题。文中使用多种评价指标将所提网络模型与目前先进的其他红外小目标检测方法进行对比,证明了该方法在复杂背景下目标检测性能的优越性。在公开的SIRST数据集上,所提模型的F分数为64.70%,相比传统方法提高了8.29%,相比深度学习方法提高了7.29%;在公开的ISOS数据集上,所提模型的F分数为64.54%,相比传统方法提高了23.59%,相比深度学习方法提高了6.58%。

关键词：红外小目标检测条件生成对抗网络特征融合注意力机制扩张卷积

在线全文

学校读者我要写书评

暂无评论

融合注意力机制的红外小目标检测

航空学报 2024年

作者：李峻宇刘乾坤付莹北京理工大学复杂环境智能感测技术工业和信息化部重点实验室北京理工大学长三角研究院

随着图像中显著目标检测准确率的提高，如何提升小目标的检测精度逐渐成为人们关注的重点。现有的目标检测方法主要研究以可见光图像作为输入的通用目标检测问题，小目标检测领域的大部分方法主要针对可见光图像，面向红外图像的较少。... 详细信息

随着图像中显著目标检测准确率的提高，如何提升小目标的检测精度逐渐成为人们关注的重点。现有的目标检测方法主要研究以可见光图像作为输入的通用目标检测问题，小目标检测领域的大部分方法主要针对可见光图像，面向红外图像的较少。红外小目标不含颜色信息，与常规目标尺度差别大，更加依赖上下文信息。针对这些问题，提出一种基于YOLOv5的红外小目标检测模型。在标准的YOLOv5模型基础上，为了有效结合目标周围的局部信息和整体特征中的全局信息，同时适应红外小目标的细微形态变化，提出了动态上下文信息提取模块，引入通道-细节注意力模块汇聚红外小目标的通道信息和细节信息，提高回归精度。考虑到网络卷积过程中细节特征丢失的问题，在保证模型特征尺度相对应的情况下，上采样新的特征尺度与浅层特征融合，以捕捉更多红外小目标细节信息，避免特征混叠。为了证明方法的有效性，在公开的红外数据集ITTD、IRSTD-1k和NUAA-SIRST上进行验证。实验结果表明：在ITTD数据集中所提方法的mAP值超过对比方法5.1%。对比YOLOv5s基准模型，mAP值提高了3.7%，在IRSTD-1k和NUAA-SIRST数据集中也展示出良好的检测效果，并对自身模型进行了消融实验。本文所提出的红外小目标检测模型对复杂场景下的红外小目标鲁棒性很好，有效地提高了小目标检测的精度，降低了小目标的漏检率。

关键词：深度学习目标检测红外小目标检测注意力机制 YOLOv5

基于YOLOv5s的改进实时红外小目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光与红外 2024年第2期54卷 281-288页

作者：谷雨张宏宇彭冬亮杭州电子科技大学自动化学院浙江杭州310018 杭州电子科技大学圣光机联合学院浙江杭州310018

针对红外图像分辨率低、背景复杂、目标细节特征缺失等问题,提出了一种基于YOLOv5s的改进实时红外小目标检测模型Infrared-YOLOv5s。在特征提取阶段,采用SPD-Conv进行下采样,将特征图切分为特征子图并按通道拼接,避免了多尺度特征提取... 详细信息

针对红外图像分辨率低、背景复杂、目标细节特征缺失等问题,提出了一种基于YOLOv5s的改进实时红外小目标检测模型Infrared-YOLOv5s。在特征提取阶段,采用SPD-Conv进行下采样,将特征图切分为特征子图并按通道拼接,避免了多尺度特征提取过程中下采样导致的特征丢失情况,设计了一种基于空洞卷积的改进空间金字塔池化模块,通过对具有不同感受野的特征进行融合来提高特征提取能力;在特征融合阶段,引入由深到浅的注意力模块,将深层特征语义特征嵌入到浅层空间特征中,增强浅层特征的表达能力;在预测阶段,裁减了网络中针对大目标检测的特征提取层、融合层及预测层,降低模型大小的同时提高了实时性。首先通过消融实验验证了提出各模块的有效性,实验结果表明,改进模型在SIRST数据集上平均精度均值达到了95.4%,较原始YOLOv5s提高了2.3%,且模型大小降低了72.9%,仅为4.5 M,在Nvidia Xavier上推理速度达到28 f/s,利于实际的部署和应用。在Infrared-PV数据集上的迁移实验进一步验证了改进算法的有效性。提出的改进模型在提高红外图像小目标检测性能的同时,能够满足实时性要求,因而适用于红外图像小目标实时检测任务。

关键词：红外小目标检测 YOLOv5s 注意力机制特征融合

在线全文

学校读者我要写书评

暂无评论

基于四维空时张量的红外小目标检测

航天返回与遥感 2024年第3期 28-40页

作者：骆源厉小润陈淑涵夏超群浙江大学温州大学

现有的红外小目标检测技术在目标检测能力、背景抑制能力和检测实时性方面存在不足，无法满足现实需求。张量分析技术已被广泛用于热红外小目标检测，并且越来越表现出了优越性，但存在三个关键问题——合适的张量结构、全面的张量分解... 详细信息

现有的红外小目标检测技术在目标检测能力、背景抑制能力和检测实时性方面存在不足，无法满足现实需求。张量分析技术已被广泛用于热红外小目标检测，并且越来越表现出了优越性，但存在三个关键问题——合适的张量结构、全面的张量分解框架、优异的实时性能。由此，文章提出了一种基于四维空时张量分解和分块项分解范数的红外小目标检测方法（BTDN-4DST）：首先构造一个四维的球化空时图像块张量，奠定张量分解的数据基础；进而定义一种基于块项分解的低秩估计范数，充分挖掘背景的时空特征，对背景进行准确估计；最后，设计一个基于交替方向乘子法的求解框架并实现对该检测模型的求解。为了验证BTDN-4DST方法的检测性能，文章选取了6种先进的红外小目标检测方法作为对比算法，在5个真实的红外图像序列实验数据集上进行了广泛的实验和分析，结果显示BTDN-4DST能够快速增强弱小目标的显著性，并且能够极大程度抑制背景和噪声成分，充分证明该方法不仅在背景抑制能力和目标检测能力方面具有优越性，而且具有良好的实时检测性能，满足实际应用需求。

关键词：红外小目标检测张量分解块项分解交替方向乘子法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多层卷积融合的红外小目标检测算法

激光与光电子学进展 2024年

作者：张鹏石丽芬陈子阳蒲继雄华侨大学信息科学与工程学院福建省光传输与变换重点实验室中国人民解放军武装警察部队警官学院

红外小目标检测技术在多个关键领域，如自主导航、安防监控中具有重要的应用价值。该技术能够识别在低光或遮挡环境中肉眼难以察觉的小目标，对于识别潜在威胁和提高遥感探测能力具有显著意义。然而，由于红外图像中小目标占据像素少且... 详细信息

红外小目标检测技术在多个关键领域，如自主导航、安防监控中具有重要的应用价值。该技术能够识别在低光或遮挡环境中肉眼难以察觉的小目标，对于识别潜在威胁和提高遥感探测能力具有显著意义。然而，由于红外图像中小目标占据像素少且缺乏形状和纹理信息，使得精确检测红外小目标面临巨大挑战。为了克服这些难点，本文提出了多层卷积融合模块与多感受野融合模块相结合的深度学习模型，旨在通过多层级的特征提取和不同感受野的特征融合，有效表征小目标。实验部分，我们使用实验室拍摄的红外图像作为测试集。实验结果表明，所提出的模型在多个评价指标上表现优异，像素级的交并比达到0.814，同时样本级的交并比达到0.845，验证了模型在小目标检测任务中的高准确性和可靠性。为了评估不同模块对模型性能的影响，本文进行了消融实验，结果进一步证实了多层卷积融合模块和多感受野融合模块对提升模型性能的重要性。

关键词：红外小目标检测多层卷积融合模块多感受野融合模块消融实验

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双层局部能量因子的红外小目标检测方法

华东师范大学学报（自然科学版） 2024年第2期 97-107页

作者：唐凌霄黄昶华东师范大学通信与电子工程学院上海200241

红外小目标的检测一直是红外追踪系统的关键技术,针对现有红外小目标检测方法在复杂背景下易造成虚警、检测速度慢的不足,从人类视觉系统的角度出发,参考了多尺度局部能量因子检测方法(multiscale local contrast measure using a local... 详细信息

红外小目标的检测一直是红外追踪系统的关键技术,针对现有红外小目标检测方法在复杂背景下易造成虚警、检测速度慢的不足,从人类视觉系统的角度出发,参考了多尺度局部能量因子检测方法(multiscale local contrast measure using a local energy factor,MLCM-LEF),提出了一种基于双层局部能量因子的红外小目标检测方法.从局部能量差异与局部亮度差异两个角度进行目标检测,使用双层局部能量因子从能量角度描述小目标与背景的相异程度,同时采取加权亮度差因子从亮度角度对图像进行目标检测,通过二维高斯融合上述二者的处理结果,最终利用图像均值和标准差进行自适应阈值分割,提取红外小目标.经过公开数据集实验测试,该方法在抑制背景噪声、减低虚警概率的表现上比主流的检测方法有所提升,与MLCM-LEF算法相比,基于双层局部能量因子的方法将单帧检测时间降低至三分之一.

关键词：红外小目标检测局部能量因子加权亮度差因子人类视觉系统