[发明专利]一种基于多帧回归深度网络的红外小目标检测方法

说明书

本项目属于红外遥感图像处理中的目标检测领域，提供一种基于多帧回归深度网络的红外小目标检测方法，解决现有的基于单帧图像的检测方法鲁棒性低、适用范围窄等问题和红外小目标检测存在大量误检的问题。其主要方案包括，创建多帧的红外小目标数据集，基于多帧提取的差分并集图和局部可变阈值分割得到单帧目标候选区域，通过多帧轨迹关联提取候选区域的一维特征，并创建特征数据集。将数据集输入到长短期记忆回归网络进行训练，将输入测试数据到回归网络，根据网络输出得到数据类别，最后在目标候选区域图像上保留小目标，去除其他虚警区域，即得到最终的小目标检测结果。

技术领域

一种基于多帧回归深度网络的红外小目标检测方法，用于红外遥感图像中红外小目标检测，属于遥感及红外图像处理中的目标检测领域。

背景技术

红外搜索与跟踪（Infrared search and track, IRST）系统军事价值极高，其中，红外小目标检测技术作为 IRST 系统的一个基本功能，在红外搜索、红外预警、红外跟踪中不可或缺。由于红外成像条件，在红外图像无可避免会出现噪声或干扰。其中虚警源在卫星红外图像上与目标表现类似，都具有较高的灰度，因此可能造成遥感预警系统的虚警。由于红外小目标的检测难度颇大，尽管国内外的学者们已经提出多种检测算法，但目前大都难以达到令人满意的效果。

总体来说，红外小目标检测方法可分为基于序列的和基于单帧的两大类方法。序列方法利用目标运动的时空信息，依靠多帧图像来捕获目标的运动轨迹，从而避免噪声的干扰。然而，在实际应用中传统检测方法流程繁琐，且对复杂场景下的噪声和杂波敏感，鲁棒性低。在目标运动缓慢的情况下，序列方法都能取得令人满意的结果。然而，在实际应用中，若目标与成像传感器之间的运动速度过快，将难以保证目标的运动连续性，导致这类方法不再适用。同时，在处理多帧图像的过程中，计算量和内存需求都较大，对硬件要求高。

与上述方法不同，单帧方法仅利用空域信息，在单幅图像上对目标进行检测。如何充分地利用背景和目标的内在属性，达到有效地突显目标并且抑制背景的目的，便是单帧方法的核心问题。随着时代的发展，数据开始呈现出海量和高维的特点，数据的维度也不再局限于一维和二维，处理的难度日益增大。常用的基于单帧的红外弱小目标检测算法大致分为三类：第一是基于背景连续性的方法，此类方法专注于背景性质的研究。然而，这类方法基于背景连续性的假设，认为红外图像的背景区域具有很强的关联性，而目标的出现破坏了这种相关性实际的红外图像非常复杂，含有大量的随机噪声，这并不符合简单的背景一致性假设。因此，尽管这类方法实现简单，但是抗噪声极差，不适用于真实数据，导致在大部分红外图像中检测效果很差。第二是基于目标显著性的方法，此类方法专注于目标特性的研究。当红外图像中只有目标非常显著时，这类方法可以得到较好的检测效果，然而，在实际应用场景中，常常会存在高辐射和高亮度的干扰，这将严重影响算法的性能。第三是基于背景低秩性和目标稀疏性的方法，此类方法同时关注背景和目标的属性。这类方法充分利用背景和目标的非局部特征，在鲁棒性与准确率上较之传统方法大幅提升，但由于求解目标函数的过程中需要迭代，难以满足实时性，目前还较难在实际工程中应用。

因此需要一种能满足实时性需求，同时能提高检测精度，提高检测方法鲁棒性、降低虚警率的红外遥感图像小目标检测及识别方法来克服以上问题。

发明内容

本发明的目的在于：本发明提供了一种基于多帧回归深度网络的红外小目标检测方法，克服现有方法在面对红外图像小目标检测精度和速度之间的权衡下不能实现实时准确定位小目标位置的问题，在实现实时检测情况下能够提高检测能力，降低虚警率。

本发明采用的技术方案如下：

一种基于多帧回归深度网络的红外小目标检测方法，包括如下步骤：

步骤1：制作多帧的红外小目标数据集，并对数据集进行图像预处理；