融合全卷积神经网络和视觉显著性的红外小目标检测

作者：刘俊明; 孟卫华

来源：光子学报, 2020, 49(07): 46-56.

• 深度学习
• 目标检测
• 红外
• 全卷积神经网络
• 多尺度特征
• 显著性
• 小目标

为提高复杂背景和噪声干扰下红外小目标检测性能,提出了融合深度神经网络和视觉目标显著性的单阶段红外小目标检测算法.首先设计了基于编码器-解码器架构的轻量级全卷积神经网络对红外图像进行分割,实现背景抑制和目标增强;然后利用红外小目标的显著性特征进一步抑制虚警;最后采用自适应阈值法分离出小目标.网络结构中通过引入多个下采样层降低计算量并增大感受野;通过引入多尺度特征提升背景抑制能力;通过引入注意力机制提升模型训练效果.在真实红外图像上的测试表明,本文算法在检测率、虚警率和运算时间等方面都优于典型红外小目标检测算法,适合进行复杂背景下的红外小目标检测.

• 单位
  中国空空导弹研究院