注意力卷积长短时记忆网络的弱小目标轨迹检测

• 作者: 杨其利 周炳红 郑伟 李明涛
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 弱小目标轨迹提取 红外序列 卷积长短时记忆网络 深度学习 注意力机制
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 近地小天体监测与预警
• 页码范围: 2535-2548
• 页数: 14页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.37188/OPE.20202811.2535

摘要

红外弱小目标的轨迹检测是红外导引的一项关键技术,在小天体探测、导弹制导和战场侦察等航空航天领域具有重要地位.针对传统基于检测前跟踪技术的轨迹搜索算法存在需要事先获取目标的灰度分布函数或运动速度等先验知识限定条件的问题,提出了基于注意力机制卷积长短时记忆神经网络的弱小目标轨迹检测算法.这种算法通过3D卷积核提取连续15帧红外图像序列的短期时间维信息和空间维信息,结合卷积长短时记忆网络提取红外序列的长期时空信息,利用注意力机制关注与弱小目标运动轨迹有关的关键信息并舍弃无关信息,实现了网络端对端的预测输出.在5个红外图像序列上进行了均方根误差、平均绝对误差、峰值信噪比和结构相似度等4个客观度量指标的实验评估.结果表明,基于输出门注意力机制的卷积长短时记忆网络在均方根误差和平均绝对误差上相对于3DCNN,3D-ConvLSTM,3D-AIConvLSTM方法平均降低了32.8％和46.3％,在峰值信噪比和结构相似度指标上平均提高了18.3％和4.3％,能够优秀地检测低于6 pixel红外目标的运动轨迹,预测轨迹与真实轨迹非常吻合,且背景杂波残留最少,检测效果最优.