公开(公告)号：CN117218378A

公开(公告)日：2023-12-12

申请号：CN202311012010.2

申请日：2023-08-11

Applicant: 中北大学

Inventor： 李大威 ,  崔晨辉 ,  蔺素珍 ,  禄晓飞 ,  王彦博 ,  张瑞芳

IPC: G06V10/62 ,  G06V10/44 ,  G06V10/86 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明属于红外目标跟踪领域，具体为一种高精度回归的红外小目标跟踪方法，针对红外小目标运动过程中出现目标形变、相机抖动和背景变化，边界框回归并不准确这一问题。首先，通过特征提取网络对初始区域、更新区域和搜索区域进行高分辨率和低分辨率特征图的提取；然后，使用特征融合网络对三种高、低分辨率特征图分别进行特征融合，获得回归特征图和分类特征图；之后，利用相关网络对回归、分类特征图进行特征增强和信息交互，得到查询向量和增强特征图；最后，将其输入到输出网络中，获得边界框回归、分类得分图。此外，当测试过程中目标分类得分高于预定义的阈值时，将三帧图像区域中的更新区域进行更新，实现高精度回归的红外小目标跟踪。

公开(公告)号：CN116402851A

公开(公告)日：2023-07-07

申请号：CN202310268997.8

申请日：2023-03-17

Applicant: 中北大学

Inventor： 李大威 ,  蔺素珍 ,  崔晨辉 ,  禄晓飞

IPC: G06T7/246 ,  G06V10/74 ,  G06V10/42 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 针对复杂背景下红外弱小目标难以提取有效特征、易受周围干扰物影响等难题，本发明提出一种复杂背景下的红外弱小目标跟踪方法。本发明网络模型首先将输入的参考区域和待跟踪区域传入双特征提取模块分别获得融合特征图；然后，利用相似性计算模块将融合特征图进行相似性计算，输出的相似度图中包含目标的分类和回归信息；最后，通过精细化模块和头网络输出当前帧图像目标的预测位置和边界框，以实现复杂背景下的红外弱小目标的稳健跟踪。本发明可有效对复杂场景中的真实目标进行稳健跟踪，减少目标周围干扰物的影响，提高跟踪性能，为接下来提取目标特征、判定关键事件提供准确的位置信息。

公开(公告)号：CN114998566A

公开(公告)日：2022-09-02

申请号：CN202210503167.4

申请日：2022-05-09

Applicant: 中北大学

Inventor： 李大威 ,  蔺素珍 ,  武杰 ,  禄晓飞 ,  张海松

IPC: G06V10/143 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题，本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强，经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征；然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模，获取真实目标像素长距离依赖；接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合，在高维数据中完成了对真实目标和背景噪声的像素分类；最后通过多损失联合约束结构联合多个损失函数约束网络输出，使其接近真实目标数据分布，得到真实目标检测结果。

公开(公告)号：CN113111878B

公开(公告)日：2022-03-18

申请号：CN202110480586.6

申请日：2021-04-30

Applicant: 中北大学

Inventor： 蔺素珍 ,  禄晓飞 ,  张海松 ,  李大威

IPC: G06V10/25 ,  G06V10/74 ,  G06K9/62

Abstract: 本发明提出了一种复杂背景下的红外弱小目标检测方法，涉及红外目标检测领域。首先，定义滑动窗口并将其划分为多个单元，将中心单元的像素灰度值降序排列后计算其前K个灰度均值；其次，分别构建中心单元的相接邻域和相隔邻域并计算它们各自的灰度均值；再次，分别提取相接邻域和相隔邻域的显著图；然后，通过点乘两显著图抑制复杂背景并增强弱小目标；最后自适应提取目标，以实现复杂背景下红外弱小目标的高效准确检测。

公开(公告)号：CN114119983A

公开(公告)日：2022-03-01

申请号：CN202111375716.6

申请日：2021-11-19

Applicant: 中北大学

Inventor： 蔺素珍 ,  禄晓飞 ,  余东 ,  李大威 ,  王彦博

IPC: G06V10/30 ,  G06V10/80 ,  G06K9/62

Abstract: 本发明涉及图像融合方法，尤其涉及红外与可见光图像融合方法，具体为基于侧窗滤波和多尺度变换的红外与可见光图像同步融合降噪方法，本方法按如下步骤进行：用改进的侧窗滤波分解红外与可见光图像，分别得到其所对应的基层与细节层信息；以基于自适应的幂次变换方法进行红外图像基层显著区域提取；对提取到的红外图像基层区域和可见光图像基层应用融合规则进行融合，得到基层融合图像；采用基于全变分的方法对细节层图像进行同步融合降噪处理，得到基层融合图像；对得到的基层融合图像和细节层融合图像进行重建，得到最终融合图像，该融合图像的对比度明显，显著区域突出，噪声大幅下降。

公开(公告)号：CN113111878A

公开(公告)日：2021-07-13

申请号：CN202110480586.6

申请日：2021-04-30

Applicant: 中北大学

Inventor： 蔺素珍 ,  禄晓飞 ,  张海松 ,  李大威

IPC: G06K9/32 ,  G06K9/62

Abstract: 本发明提出了一种复杂背景下的红外弱小目标检测方法，涉及红外目标检测领域。首先，定义滑动窗口并将其划分为多个单元，将中心单元的像素灰度值降序排列后计算其前K个灰度均值；其次，分别构建中心单元的相接邻域和相隔邻域并计算它们各自的灰度均值；再次，分别提取相接邻域和相隔邻域的显著图；然后，通过点乘两显著图抑制复杂背景并增强弱小目标；最后自适应提取目标，以实现复杂背景下红外弱小目标的高效准确检测。