买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学

摘要：本发明公开了一种基于双向边缘和目标学习的红外小目标检测方法及装置，先将红外小目标图像输入到多级编码器以提取多级编码特征，同时使用粗略边缘检测算子获取粗略边缘特征，将得到的编码特征和粗略边缘特征输入到多级解码器进行特征重建，通过DGCFM模块捕获边缘细节和目标区域全局上下文特征，然后将多级编码器生成的编码特征和对应多级解码器反卷积中生成的高级特征输入到CIAAM模块自适应调整浅层特征和深层特征的融合权重，进而获得跨层融合特征，得到最终的目标特征和精细边缘特征，将目标特征输入到检测头进行像素级语义分割。本发明利用双向学习边缘细节和目标区域的互补优势增强了特征交叉融合能力并能充分发挥边缘信息的优势。

主权项：1.一种基于双向边缘和目标学习的红外小目标检测方法，其特征在于：将用于实现该方法的网络模型称为BETL-Net模型，BETL-Net模型的训练过程包括如下步骤：Step1：将红外小目标图像输入多级编码器进行多级特征提取，多级编码器的第一层、第二层、第三层分别输出编码特征f1、编码特征f2、编码特征f3；通过粗略边缘检测算子获得红外小目标图像的粗略边缘特征e1；所述多级编码器由一个Stem块和两个残差块顺次连接构成；Step2：将f3作为输入特征将和e1输入到DGCFM模块对目标区域全局上下文特征和边缘细节进行双引导交叉融合，获取目标特征和增强边缘特征e2；Step3：将输入相应多级解码器反卷积中生成高级特征a2；将f2和a2输入CIAAM模块自适应调整融合权重，获取跨层融合特征Step4：对和f2进行逐元素相加得到输入特征将和e2输入到DGCFM模块对目标区域全局上下文特征和边缘细节进行双引导交叉融合，获取目标特征和细化边缘特征e3；Step5：将输入相应多级解码器反卷积中生成高级特征a1；将f1和a1输入CIAAM模块自适应调整融合权重，获取跨层融合特征Step6：对和f1进行逐元素相加得到输入特征将和e3输入到DGCFM模块对目标区域全局上下文特征和边缘细节进行双引导交叉融合，获取目标特征和精细边缘特征e4；Step7：将输入到检测头进行像素级语义分割，得到小目标检测结果；将精细边缘特征e4作为小目标精细边缘；Step8：使用损失函数对BETL-Net模型进行监督训练，使用训练好的BETL-Net模型对红外小目标图像进行小目标分割得到检测结果。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种基于双向边缘和目标学习的红外小目标检测方法及装置