公开(公告)号：CN119478447A

公开(公告)日：2025-02-18

申请号：CN202411508586.2

申请日：2024-10-28

Applicant: 哈尔滨工业大学

Inventor： 胡建明 ,  黄源欣 ,  崔琪 ,  智喜洋 ,  张伟

IPC: G06V10/46 ,  G06V10/44 ,  G06V10/52 ,  G06V10/62 ,  G06V10/80 ,  G06V10/26 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种局部运动感知的红外小目标特征增强方法，所述方法包括如下步骤：步骤一：加载红外序列图像，选择连续T帧图像作为网络输入，利用主干网络提取图像特征；步骤二：利用粗略运动估计模块CME提取粗略的目标帧间运动信息，生成前向光流和后向光流；步骤三：利用能量增强模块EnE结合光流和可变形卷积对齐多帧序列，并采用卷积核大小为1×1的3D卷积增强目标特征；步骤四：利用引导光流学习的特征增强任务头输出增强后的红外图像，通过目标分割任务头将多尺度特征融合，输出目标分割结果，进而引导特征增强网络的学习。该方法可以有效地适应目标暗弱以及背景运动的场景，输出高质量的红外多帧运动小目标的增强图像。

公开(公告)号：CN118864269A

公开(公告)日：2024-10-29

申请号：CN202410872983.1

申请日：2024-07-01

Applicant: 哈尔滨工业大学

Inventor： 胡建明 ,  黄源欣 ,  崔琪 ,  江世凯 ,  智喜洋 ,  张伟

IPC: G06T5/50 ,  G06T3/4053 ,  G06T3/4046 ,  G06T3/4038 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于可变形卷积的多帧红外小目标超分方法，所述方法提出了一个适用于多帧红外小目标超分变率的DCUNet网络，融合多帧红外小目标图像的多尺度信息，并恢复目标的空间细节信息；提出了多帧对齐的TADCM模块，隐式的将帧间运动状态复杂、形态和能量时序变化的目标对齐，从而充分利用帧间信息以进行互相补充，提升暗弱目标的空间显著性；提出了利用特征监督引导可变形卷积学习的方法，即在网络最后两层特征层输出目标分割结果，并用带像素级标记的目标分割真值作为监督，对编码和上采样过程进行约束，提升可变形卷积的准确性，使目标的边缘和形态能够被充分恢复。

公开(公告)号：CN119478447B

公开(公告)日：2025-04-29

申请号：CN202411508586.2

申请日：2024-10-28

Applicant: 哈尔滨工业大学

Inventor： 胡建明 ,  黄源欣 ,  崔琪 ,  智喜洋 ,  张伟

IPC: G06V10/46 ,  G06V10/44 ,  G06V10/52 ,  G06V10/62 ,  G06V10/80 ,  G06V10/26 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种局部运动感知的红外小目标特征增强方法，所述方法包括如下步骤：步骤一：加载红外序列图像，选择连续T帧图像作为网络输入，利用主干网络提取图像特征；步骤二：利用粗略运动估计模块CME提取粗略的目标帧间运动信息，生成前向光流和后向光流；步骤三：利用能量增强模块EnE结合光流和可变形卷积对齐多帧序列，并采用卷积核大小为1×1的3D卷积增强目标特征；步骤四：利用引导光流学习的特征增强任务头输出增强后的红外图像，通过目标分割任务头将多尺度特征融合，输出目标分割结果，进而引导特征增强网络的学习。该方法可以有效地适应目标暗弱以及背景运动的场景，输出高质量的红外多帧运动小目标的增强图像。

公开(公告)号：CN119478349A

公开(公告)日：2025-02-18

申请号：CN202411508588.1

申请日：2024-10-28

Applicant: 哈尔滨工业大学

Inventor： 黄源欣 ,  胡建明 ,  李越龙 ,  智喜洋 ,  张伟

IPC: G06V10/25 ,  G06V10/42 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于多尺度自注意力运动背景建模的红外小目标检测方法，从红外序列图像中选取连续多帧作为模型输入，利用骨干网络提取图像特征，通过跨尺度自注意力编码结构对网络多尺度全局特征进行充分挖掘以建模时序图像的全局背景；将包含最细粒度信息的最浅层特征分组加权以形成分组查询，并采用跨尺度迭代解码的方式形成最终查询，以此保留更多的目标细节且更充分的抑制运动背景；通过检测头生成置信度图，并采用阈值分割方法得到最终的检测结果。多尺度自注意力编码网络能够实现序列图像背景全局特征和目标局部特征的融合，多尺度自注意力解码网络能够增强解码过程中查询向量的多帧细节信息，提升运动背景建模和目标特征表达的能力。

公开(公告)号：CN118212401A

公开(公告)日：2024-06-18

申请号：CN202410377102.9

申请日：2024-03-29

Applicant: 哈尔滨工业大学

Inventor： 智喜洋 ,  黄源欣 ,  隋毅 ,  鲍广震 ,  巩晋南 ,  张鹏飞 ,  施天俊

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于非稳态杂波抑制的暗弱目标检测方法，属于目标探测与识别技术领域。所述方法为：采用两个可学习的滤波器提取输入红外图像的目标特有频谱和目标‑背景一致性频谱；采用一个带残差连接模块的密集连接的U‑Net网络作为主干网络，该网络采用双向交互式注意力机制模块，从频谱分量中提取特征，并得到目标特有特征和目标‑背景一致性特征；对两个特征采用一个实例级的对比损失来辅助滤波器的学习，实现目标特有特征与目标背景一致性特征的解耦；对目标特有特征采用真实标注进行监督，执行红外小目标检测任务。本发明提出一个频域解耦方法，保留有效的频谱可提升目标检测的性能，实现了复杂背景的有效去除。