[发明专利]多帧红外图像弱小目标检测方法、装置、设备和存储介质

权利要求书

1.一种多帧红外图像弱小目标检测方法，其特征在于，包括：

以预设的时间间隔获取多帧连续的红外图像，将各红外图像依次输入至弱小目标检测网络模型；

通过所述弱小目标检测网络模型从当前帧红外图像中提取特征数据，并通过特征数据的自动组合与分析，得到当前帧初始目标分割图像，存储当前帧初始目标分割图像；

所述弱小目标检测网络模型的表达式为：

f＝f_T∪f_B

其中，f表示红外图像，f_T表示红外图像的目标区域，f_B表示红外图像的背景区域；

将当前帧初始目标分割图像输入至帧间关联网络模型，以预先存储的前N帧的初始目标分割图像为参考，对当前帧初始目标分割图像进行修正，得到当前帧目标分割图像；其中，N为大于等于1的整数；

将当前帧目标分割图像转化成二值图像，并标记所述二值图像的连通区域，以得到所述二值图像中的目标的特征信息。

2.根据权利要求1所述的多帧红外图像弱小目标检测方法，其特征在于，

所述将当前帧目标分割图像转化成二值图像，包括以下步骤：

从当前帧目标分割图像中获取第一像素；所述第一像素为当前帧目标分割图像中的任一像素；

将所述第一像素的辐射强度与预设的强度阈值进行比较，若所述辐射强度小于所述强度阈值，则将所述第一像素的灰度值设定为0，若所述辐射强度大于所述强度阈值，则将所述第一像素的灰度值设定为255；最终设定当前帧目标分割图像中的任一像素的灰度值，以得到所述二值图像。

3.根据权利要求2所述的多帧红外图像弱小目标检测方法，其特征在于，

所述强度阈值的表达式为：

Tr＝m+0.5*(maxv-m)

其中，Tr表示所述强度阈值，m表示当前帧目标分割图像中的各像素的平均辐射强度，maxv表示当前帧目标分割图像中的各像素的最大辐射强度。

4.根据权利要求1所述的多帧红外图像弱小目标检测方法，其特征在于，

所述对当前帧初始目标分割图像进行修正，包括以下步骤：

对当前帧初始目标分割图像进行虚警剔除和漏检补充。

5.根据权利要求1所述的多帧红外图像弱小目标检测方法，其特征在于，

在所述以预设的时间间隔获取多帧连续的红外图像之前，还包括以下步骤：

创建所述弱小目标检测网络模型；

分别对多个训练用红外图像进行预处理，得到多个预处理训练图像；

分别获取各预处理训练图像所对应的训练目标分割图像样本；

通过所述弱小目标检测网络模型分别提取各预处理训练图像中的训练特征数据，以各训练目标分割图像样本作为所述训练特征数据的输出参考，对所述弱小目标检测网络模型进行训练，直至所述弱小目标检测网络模型的参数收敛，得到训练后的所述弱小目标检测网络模型。

6.根据权利要求1所述的多帧红外图像弱小目标检测方法，其特征在于，

在所述以预设的时间间隔获取多帧连续的红外图像之前，还包括以下步骤：

创建所述帧间关联网络模型；

预设多组训练用目标分割图像集合；训练用目标分割图像集合包括多帧连续的训练用目标分割图像；

分别获取各组训练用目标分割图像集合所对应的意向训练目标分割图像样本；

通过所述帧间关联网络模型分别提取各组预处理训练图像中的第二训练特征数据，以意向训练目标分割图像样本作为所述第二训练特征数据的输出参考，对所述帧间关联网络模型进行训练，直至所述帧间关联网络模型的参数收敛。

7.根据权利要求1所述的多帧红外图像弱小目标检测方法，其特征在于，

所述特征信息包括所述目标的位置、尺寸、形状。