技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种红外舰船目标识别方法及装置与流程  >  正文

一种红外舰船目标识别方法及装置与流程

  • 国知局
  • 2024-08-05 11:38:47

本发明涉及图像处理,尤其涉及一种红外舰船目标识别方法及装置。

背景技术:

1、近年来,随着红外探测技术的不断发展,针对红外舰船目标的识别在军事侦查及民用探测领域备受关注。红外图像相比于可见光图像,具有抗干扰能力强、不受光照影响等优点,但是其同时存在颜色纹理等特征少、背景对比度低等问题,特别是对于海上舰船目标而言,因其拍摄距离较远,极易淹没在海杂波中,在近岸港口等背景下,舰船停泊数量多、排列紧密且目标较小,上述情况都会导致红外舰船识别样本存在不均衡的情况。实现不均衡样本下的红外舰船目标识别,是一项极具挑战的任务。传统舰船目标识别,通常采用手工设计特征进行提取的方式,方法单一且效率较低、泛化能力差,而当前广泛使用的深度学习方法,又十分依赖大量的标记样本来训练网络提升性能,但是对样本图像进行切片标记十分耗费人力物力因此,提供一种红外舰船目标识别方法及装置,以提升复杂场景下对不均衡红外舰船的识别准确性和效率。

技术实现思路

1、本发明所要解决的技术问题在于,提供一种红外舰船目标识别方法及装置有利于提升复杂场景下对不均衡红外舰船的识别准确性和效率。

2、为了解决上述技术问题,本发明实施例第一方面公开了一种红外舰船目标识别方法,方法包括:

3、获取待识别图像信息;

4、对所述待识别图像信息进行预处理,得到初始识别图像信息;

5、利用目标图像识别模型对所述初始识别图像信息进行识别处理,得到目标红外舰船识别结果信息。

6、本发明实施例第二方面公开了一种红外舰船目标识别装置,装置包括:

7、获取模块,用于获取待识别图像信息;

8、第一处理模块,用于对所述待识别图像信息进行预处理,得到初始识别图像信息;

9、第二处理模块,用于利用目标图像识别模型对所述初始识别图像信息进行识别处理,得到目标红外舰船识别结果信息。

10、本发明第三方面公开了另一种红外舰船目标识别装置,装置包括:

11、存储有可执行程序代码的存储器;

12、与存储器耦合的处理器;

13、处理器调用存储器中存储的可执行程序代码,执行本发明实施例第一方面公开的红外舰船目标识别方法中的部分或全部步骤。

14、本发明第四方面公开了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令被调用时,用于执行本发明实施例第一方面公开的红外舰船目标识别方法中的部分或全部步骤。

技术特征:

1.一种红外舰船目标识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的红外舰船目标识别方法,其特征在于,所述目标图像识别模型包括第七卷积模块、第一特征提取模块、第二特征提取模块、第三特征提取模块、第一融合模块、多尺度拓扑模块、第一叠加映射模块、第二叠加映射模块、第三叠加映射模块、第四叠加映射模块、第二连接模块、第二激活模块;其中,

3.根据权利要求2所述的红外舰船目标识别方法,其特征在于,所述第一特征提取模块包括第一卷积单元、第二卷积单元、第三卷积单元;其中,

4.根据权利要求1所述的红外舰船目标识别方法,其特征在于,所述目标图像识别模型是基于以下步骤得到的:

5.根据权利要求4所述的红外舰船目标识别方法,其特征在于,所述对所述初始图像训练信息进行扩增处理,得到目标图像训练信息,包括:

6.根据权利要求5所述的红外舰船目标识别方法,其特征在于,所述样本扩增模型包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第五卷积模块、第六卷积模块、第一归一模块、第一激活模块、第一采样模块、第一扁平模块、第一连接模块;其中,

7.根据权利要求4所述的红外舰船目标识别方法,其特征在于,所述利用所述目标图像训练信息对初始图像识别模型进行训练处理,得到所述目标图像识别模型,包括:

8.一种红外舰船目标识别装置,其特征在于,所述装置包括:

9.一种红外舰船目标识别装置,其特征在于,所述装置包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的红外舰船目标识别方法。

技术总结本发明公开了一种红外舰船目标识别方法及装置,该方法包括:获取待识别图像信息;对待识别图像信息进行预处理,得到初始识别图像信息;利用目标图像识别模型对初始识别图像信息进行识别处理,得到目标红外舰船识别结果信息。技术研发人员:张建廷,闫文君,李迅,郝延彪,吴媛媛受保护的技术使用者:中国人民解放军91977部队技术研发日:技术公布日:2024/8/1

本文地址:https://www.jishuxx.com/zhuanli/20240802/258586.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。