基于深度卷积神经网络的红外过采样扫描图像点目标检测方法
针对红外过采样扫描成像特点,提出一种基于深度卷积神经网络的红外点目标检测方法.首先,构建由两个不同任务深度卷积神经网络级联而成的目标检测框架.其次,设计回归型深度卷积神经网络以抑制扫描图像杂波背景,该网络不含池化层,可输入任意尺寸原始图像,输出图像的尺寸与输入图像一致.再次,对抑制后的图像进行门限检测,提取候选目标区域原始数据.最后,将候选目标数据依次输入分类型深度卷积神经网络以进一步判别目标、剔除虚警.结合实验数据和仿真方法设计红外过采样扫描图像训练数据,有效训练两个深度网络.实验结果表明:在不同杂波背景下,该方法在目标信杂比增益、检测概率、虚警概率和运算时间等方面,均优于典型红外小目标检测方法,适用于红外过采样扫描系统的点目标检测;并可直接应用于常规成像体制的红外小目标检测.
红外过采样扫描图像 点目标检测 卷积神经网络 深度学习
林两魁 王少游 唐忠兴
上海卫星工程研究所 上海 201109
国内会议
武汉
中文
1-19
2017-09-17（万方平台首次上网日期，不代表论文的发表时间）