基于深度时空卷积神经网络的点目标检测

• 作者: 李淼 林再平 樊建鹏 盛卫东 李骏 安玮 李昕磊
• 来源期刊: 红外与毫米波学报
• 学科: 工学
• 关键词: 点目标检测 红外搜索与跟踪(IRST) 背景抑制 卷积神经网络(CNN) 时空检测
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图像处理及软件仿真
• 页码范围: 122-132
• 页数: 11页
• 分类号: TP753
• 语种: 中文
• DOI: 10.11972/j.issn.1001-9014.2021.01.017

摘要

由于点目标可用信息少,点目标检测技术是红外搜索与跟踪系统(IRST)中的挑战性难点.基于人工提取特征的传统目标检测,智能化水平低,对点目标检测的难度大.针对此问题,提出一种新的基于深度时空卷积神经网络的点目标检测方法.该方法采用全卷积架构,输入输出尺度相同,可用于处理任意尺度图像.为了提高实时性,卷积分解技术被引入3D时空卷积处理中,将复杂3D时空卷积分解为低复杂度的2D空域卷积和1D时域卷积.根据点目标特点,多权值损失函数被提出,分别采用样本均衡因子和能量均衡因子降低样本不均衡和误差分布不均衡对点目标检测性能的影响.测试结果表明,该方法能够有效抑制复杂背景杂波,并以较低计算量实现点目标检测.