模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2023, Vol. 36 Issue (9): 767-777    DOI: 10.16451/j.cnki.issn1003-6059.202309001
基于深度学习的模式分类与检测 最新目录| 下期目录| 过刊浏览| 高级检索 |
高阶微分方程启发的红外小目标检测网络
张铭津1, 臧璠1, 岳珂1, 许嘉敏1, 李云松1, 高新波1
1.西安电子科技大学 通信工程学院 西安 710071
Infrared Small Target Detection Network Inspired by High-Order Differential Equation
ZHANG Mingjin1, ZANG Fan1, YUE Ke1, XU Jiamin1, LI Yunsong1, GAO Xinbo1
1. School of Telecommunications Engineering, Xidian University Xi'an 710071

全文: PDF (1792 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 红外小目标检测广泛应用于红外检测、红外跟踪等诸多实际领域,但红外小目标检测难度较大,现有红外小目标检测方法不能解决复杂背景问题,并且在特征提取中容易丢失细节信息.因此,文中提出高阶微分方程启发的红外小目标检测网络.在可解释的理论指导下设计四阶Adams引导的特征融合模块,引入自适应权重因子,有效融合不同层级的多尺度信息,并将求解的高阶差分方程应用于网络,通过深层次的学习消除冗杂信息.目标特征增强模块使用不同尺度卷积构成的残差结构,旨在对原始特征进行抑制背景噪声和增强信息量大的多尺度特征操作.在公开数据集SIRST上的小目标检测实验表明,文中网络检测结果的多个评估指标值以及视觉效果均较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
张铭津
臧璠
岳珂
许嘉敏
李云松
高新波
关键词 红外小目标检测高阶微分方程特征融合特征增强多尺度特征    
Abstract:In the fields of infrared detection and infrared tracking, infrared small target detection is widely applied. However, infrared small target detection poses significant challenges. The existing methods for infrared small target detection fail to address complex background issues while losing detailed information during feature extraction. Therefore, an infrared small target detection network inspired by high-order differential equations is proposed. Under the guidance of the interpretable theory, a fourth-order Adams-guided feature fusion module is designed, incorporating adaptive weight factors to effectively fuse multi-scale information from different levels. High-order difference equations are employed to eliminate redundant information through deep learning. The target feature enhancement module utilizes a residual structure composed of convolutions at different scales to suppress background noise and enhance multi-scale features with high information content. Experiments for small target detection on publicly available SIRST dataset show that the proposed network has advantages in the evaluation metrics and visual quality.
Key wordsInfrared Small Target Detection    High-Order Differential Equation    Feature Fusion    Feature Enhancement    Multi-scale Feature   
收稿日期: 2023-05-24     
ZTFLH: TP391  
基金资助:国家自然科学基金项目(No.62272363、62036007、62176195、62061047、U21A20514)、青年人才托举工程项目(No.2021QNRC001)、陕西省重点研发计划项目(No.2021GY-034)、科技创新与应用发展专项项目(No.cstc2020jscx-dxwtB0032)、重庆市优秀科学家项目(No.CSTC2021YCJH-BGZXM0339)资助
通讯作者: 高新波,博士,教授,主要研究方向为图像内容生成与质量评价、计算机视觉、模式识别.E-mail: xbgao@mail.xidian.edu.cn.   
作者简介: 张铭津,博士,教授,主要研究方向为计算机视觉、图像处理、视频压缩.E-mail:mjinzhang@xidian.edu.cn.臧 璠,硕士研究生,主要研究方向为计算机视觉、图像处理.E-mail:fanzang@stu.xidian.edu.cn.岳 珂,硕士研究生,主要研究方向为计算机视觉、图像处理.E-mail:keyue@stu.xidian.edu.cn.许嘉敏,硕士研究生,主要研究方向为计算机视觉、图像处理、模式识别.E-mail:jjiaminxu@163.com.李云松,博士,教授,主要研究方向为图像/视频处理及传输、计算机视觉、芯片设计.E-mail:ysli@mail.xidian.edu.cn.
引用本文:   
张铭津, 臧璠, 岳珂, 许嘉敏, 李云松, 高新波. 高阶微分方程启发的红外小目标检测网络[J]. 模式识别与人工智能, 2023, 36(9): 767-777. ZHANG Mingjin, ZANG Fan, YUE Ke, XU Jiamin, LI Yunsong, GAO Xinbo. Infrared Small Target Detection Network Inspired by High-Order Differential Equation. Pattern Recognition and Artificial Intelligence, 2023, 36(9): 767-777.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202309001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2023/V36/I9/767
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn