科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对红外图像中小目标分布稀疏、像素占比小，现有红外小目标检测算法易受强噪声干扰，对其精度和泛化性有较大影响的问题，提出一种基于上下文信息融合与视觉显著性的红外小目标检测算法。首先，主干网络采用编码-解码的方式构建，其中，编码层为空洞卷积所堆叠的全卷积神经网络，对输入进行特征提取；然后，通过与解码层逐层跳跃拼接的方式，实现跨层间的特征融合，提取具有强语义和强位置的特征信息；最后，将提取特征输入混合域模块，利用其中的通道注意力机制和空间注意力机制提高对小目标的特征权重，以增强对背景的抑制。通过空洞卷积结合跨层融合以及利用混合域模块带来的视觉显著性，所提算法在复杂背景下优于目前典型算法，与当前最优算法相比，F＿measure平均提升了10%，运行效率加快40%，并且在检测率和虚警率指标上都有显著改善。
- 单位
