基于深度学习的红外序列图像小目标检测方法研究

摘要

红外序列图像小目标在环境干扰下检测准确性不好,为了提高红外序列图像小目标检测能力,提出基于深度学习的红外序列图像小目标检测方法。构建红外序列小目标图像的三维成像模型,采用边缘特征分割和角点分布式提取方法进行红外序列小目标图像的多维尺度分解,构建目标图像的三维成像模型,采用灰度信息重构方法进行红外目标图像的像素序列重组,建立目标图像的三维轮廓特征分布集,结合模板特征匹配和超像素特征序列重构方法进行红外序列图像小目标序列重构,采用模糊信息度特征提取方法实现红外序列小目标图像的特征提取和优化检测,构建红外序列小目标图像的像素分布灰度像素集,通过深度学习算法进行红外序列图像小目标检测过程中的自适应寻优,实现红外序列图像小目标检测优化。仿真结果表明,采用该方法进行红外序列图像小目标检测的自适应性较好,特征分辨能力较强,提高了目标的检测精度。