[发明专利]一种红外弱小目标检测方法

权利要求书

1.一种红外弱小目标检测方法，其特征在于，包括以下步骤：

S1、构建训练数据集：

S11、采用随机采样的方式，在红外图像上进行背景部分的采集，采集8*8的背景块，并舍弃与目标有重叠的背景块；

S12、对得到背景块进行填充处理，以2为步长进行全覆盖式的填充，得到一个32*32的背景图像；

S13、利用MNIST手写数据集作为前景目标，先将MNIST数据中的数据变为背景为黑，数字为白色的图像G，变换的公式如下：

G＝255-I

其中I为原始的MNIST手写数据集图像；

S14、采用变换后的MNIST图像替换步骤S12中得到的背景图像中的对应位置，得到训练图像，对训练图像进行高斯滤波，高斯滤波器的大小为5*5或7*7，高斯滤波器的标准差在(0.1,5)中进行随机选取；经过高斯滤波后的训练图像构成训练数据集；

S2、构建分类网络：

采用卷积层、ReLU激活函数层、最大池化层构成三个结构相同的通道，具体结构为：第一通道依次包括第一卷积层、第一ReLU激活函数层、第一最大池化层、第四卷积层、第四ReLU激活函数层、第四最大池化层；第二通道依次包括第二卷积层、第二ReLU激活函数层、第二最大池化层、第五卷积层、第五ReLU激活函数层、第五最大池化层；第三通道依次包括第三卷积层、第三ReLU激活函数层、第三最大池化层、第六卷积层、第六ReLU激活函数层、第六最大池化层；其中，第一卷积层的卷积核大小为3*3，维数为6，第二卷积层的卷积核大小为5*5，维数为8，第三卷积层的卷积核大小为7*7，维数为12，第四卷积层、第五卷积层和第六卷积层的卷积核大小均为5*5，对应的维数分别为6、8、12；三个通道的输出，即第四最大池化层、第五最大池化层和第六最大池化层的输出加和后输入第七卷积层，第七卷积层的卷积核大小为3*3，维数为8，第七卷积层后依次级联第八全卷积层和第九全卷积层，第八全卷积层和第九全卷积层的维数分别为128和10；第九全卷积层的输出即对应MNIST手写数据集中的类别；

S3、采用训练数据集对构建的分类网络进行训练，获得训练好的分类网络，即获得分类网络中所有的卷积核参数；

S4、根据训练好的分类网络，选取卷积核参数累加小于0的卷积核：

mean(K_i)0,i＝1,2...,12

其中，K_i代表第i个卷积核，mean(·)代表所有元素相加求均值；

利用选择出来的卷积核，每个卷积核对空中红外图像进行滤波处理，然后按平均权重叠加得到最终的检测结果图；

其中，Out为输出图，m为选出来的卷积核个数，I为原始的空中红外图像，w_i代表第i个卷积核，代表卷积操作。