[发明专利]基于卷积神经网络的红外弱小目标检测跟踪方法

权利要求书

1.一种基于卷积神经网络的红外弱小目标检测跟踪方法，其特征在于，包括：

(1)基于目标的亮度特征提取红外图像中的目标；

(2)采用全卷积非对称孪生网络的目标网络跟踪器，提取所述目标的不同层次特征，并结合相关滤波作为判据，对所述目标进行跟踪；

(3)利用预设的跟踪置信度参数判断所述目标是否被遮挡或丢失；

(4)若所述目标被遮挡或丢失，则更新运动轨迹方程，预测所述目标的位置，并执行步骤(3)，直至所述目标未被遮挡或未丢失；

步骤(1)包括：

(1.1)使用高斯滤波对红外图像进行线性加权得到高斯滤波后图像，求得所述高斯滤波后图像的均值；

(1.2)将所述高斯滤波后图像减去所述均值后，求得与所述红外图像之间的欧式距离，得到显著图；

(1.3)求取所述显著图中的最大值，用所述红外图像中的每个像素点除以所述最大值，以凸显目标；

(1.4)使用最大类间方差法求得动态阈值，以所述动态阈值对所述显著图进行阈值分割，并对分割后的图像做图像膨胀的开运算，以使分散的块状区域连通，得到所述目标。

2.根据权利要求1所述的方法，其特征在于，由t＝w₁*(μ-μ₁)²+w₂*(μ-μ₂)²确定所述动态阈值t，其中，w₁+w₂＝1，w₁表示所述显著图中像素值大于预设值的比重，w₂表示所述显著图中像素值小于所述预设值的比重，μ₁表示所述显著图中像素值大于预设值的所有像素的均值，μ₂表示所述显著图中像素值小于所述预设值的所有像素的均值。

3.根据权利要求1或2所述的方法，其特征在于，所述全卷积非对称孪生网络的目标网络跟踪器为将对称的全卷积孪生网络中的其中一个分支的最后一层增加了可微分层，构成了全卷积非对称孪生网络结构，其中，所述可微分层用于实现相关滤波及裁剪，对称的全卷积孪生网络中的两个卷积神经网络结构均由卷积层、归一化层和非线性激活层构成。

4.根据权利要求3所述的方法，其特征在于，步骤(2)包括：

(2.1)选择相邻两帧红外图像作为所述目标网络跟踪器的输入，其中，第一帧图像为模板图像，以所述目标在所述模板图像中所处的位置范围作为目标区域，下一帧图像为搜索图像，以所述目标在所述搜索图像中所处的位置范围扩大若干倍作为搜索区域；

(2.2)由所述目标网络跟踪器中非对称的两个卷积神经网络分别对所述目标区域及所述搜索区域进行处理，得到与所述目标区域对应的第一特征图及与所述搜索区域对应的第二特征图；

(2.3)将所述第一特征图与所述第二特征图进行互相关，将互相关后的最大特征值作为所述目标的位置，以对所述目标进行跟踪。

5.根据权利要求4所述的方法，其特征在于，所述可微分层的相关滤波器模板为：其中，w^l为第l个通道对应的权重，D表示图像通道数，表示第l个通道中做互相关的图像块，y表示标准高斯函数的响应，λ为正则化系数，ε表示相关滤波结果。