[发明专利]基于图像衍生的复杂背景下红外无人机群目标仿真方法

说明书

本发明属于红外图像仿真领域，公开了一种基于图像衍生的复杂背景下红外无人机群目标仿真方法。该方法包括步骤：(S1)对红外视频进行预处理，得到原始无人机模板数据集和背景模板数据集；(S2)制作模糊‑复原数据集；(S3)对进化‑退化对抗网络模型进行有监督预训练与无监督微调；(S4)使用对抗网络模型进行无人机模板提取、背景叠加、图像复原；(S5)联合求解高斯‑泊松方程得到仿真图像；(S6)多次混合多个原始无人机模板得到红外无人机群仿真图像。本发明方法能够剔除红外无人机图像中的背景信息，提取高清晰度和信噪比的无人机模板与背景模板进行混合，去除了合成图像的深色伪影，得到了调和度和视觉真实性较高的合成图像。

技术领域

本发明属于红外图像仿真与图像编辑领域，涉及红外图像编辑与人工神经网络训练，实现了一种基于图像衍生的复杂背景下红外无人机群目标仿真方法。

背景技术

现代小型无人机技术日趋成熟，由于其具备挂载枪支和爆炸物等危险物品的能力，因而对社会公共秩序与国防安全产生了严重威胁。不同背景下的包含无人机、无人机群的红外视频图像是红外无人机目标识别跟踪算法研究和验证基础，但受限于无人机协同技术的高复杂度和高昂的人力物力资源消耗，使得更多研究者选择利用仿真的方法来代替实测数据拍摄。为了满足无人机群目标检测跟踪算法验证、机器学习模型训练等需求，本发明实现了一种基于图像衍生的红外无人机群图像仿真方法，利用红外无人机图像模板与红外场景混合生成大量复杂背景下的无人机群红外图像数据。

现有的红外图像仿真技术大致可以分为两类：其一是对目标及背景通过红外特性分析建模进行反演并生成红外图像，在云层、海天、深空背景下的红外弱小目标仿真中通常采用此手段，但是对于复杂背景下的扩展目标仿真，其背景与目标建模复杂，且环境噪声复杂、干扰源较多，仿真结果往往违和感较大，难以真实还原出实测景象，仿真结果视觉真实度较低，不利于识别、跟踪算法的设计、验证以及机器学习模型的训练。其二是基于实测的目标图像与背景图像混合的方法实现仿真，其具体步骤为首先建立目标模板库，而后通过距离仿射变换、噪声叠加后，将模板与不同的背景图像通过某种图像混合算法进行融合。该方法的优势在于，目标与背景皆来自真实数据，因而仿真结果与真实情况更加接近，其生成结果更适合用于深度学习方法的训练、以及各种目标检测跟踪方法的验证。特别是在如高价值固定区域安防、边海防预警等已知环境背景的应用场景下，可对无人机、无人机群恶意来袭的真实场景进行图像的模拟和仿真，更具实用价值。

图像合成算法是基于图像混合的仿真方法的关键。由于实际应用场景中，复杂背景下的红外无人机目标通常由于大气传输、失焦、剧烈运动等因素而造成图像退化问题，进而导致目标边缘模糊，难以提取出清晰的无人机目标模板。因此，目前现有的图像混合算法对于红外无人机图像的生成结果的特征表现与现实情况具有差异，具体体现在混合图像中目标边界有明显的黑色伪影、目标与图像不调和、混合前后目标灰度特性变化较大等问题。

发明内容

针对基于图像混合的红外无人机群目标仿真方法中，目标模板难以分离、合成图像调和度低、特性不一致的问题，利用对偶生成对抗网络进化-退化网络的进化生成器进行原始模板图像的清晰化；而后提取清晰化的目标模板并与背景图像进行叠加，进而利用进化-退化网络的退化生成器对叠加图像进行图像复原，得到合成图像的复原图像；最后将上述输出结果作为灰度约束项，将原始无人机模板图像的梯度特征作为梯度约束项，对高斯-泊松方程进行联合优化求得闭式解，得到目标-背景混合图像，重复上述过程实现复杂背景下的无人机群目标图像的仿真。具体技术方案如下：

一种基于图像衍生的复杂背景下红外无人机群目标仿真方法，主要包括以下步骤：

(S1)对包含单个无人机目标的红外视频进行预处理，得到原始无人机模板数据集；对不包含无人机目标的红外视频进行预处理，得到背景模板数据集；

(S2)使用公开的红外数据集制作模糊-复原数据集；所述模糊-复原数据集包括红外数据集中的红外图像，及利用高斯核对该红外图像进行退化处理得到的模糊图像，其中，所述红外图像与所述模糊图像一一对应；