[发明专利]基于纹理增强网络的红外小目标分割检测方法

权利要求书

1.一种基于纹理增强网络的红外小目标分割检测方法，其特征在于：所述红外小目标分割检测方法包括如下步骤：

步骤1：从原始视频数据集中获取带有红外小目标的图片，将这些图片划分为训练集和测试集，然后使用标注工具为这些图片打上标注，得到数据图片以及与之对应的标签图像数据集；

步骤2：将步骤1中获得的数据图片以及标签图像数据集输入纹理增强网络中，得到三个子输出；

步骤3：构建一种差异性损失来度量所述骤2得到的3个子输出特征图，得到差异性损失，并根据所述3个子输出计算出平均输出；

步骤4：将在步骤3中得到的所述平均输出转化成单通道的分割预测图像，得到最终预测图像的输出。

2.根据权利要求1所述基于纹理增强网络的红外小目标分割检测方法，其特征在于：步骤2中的所述纹理增强网络由编码网络和解码网络组合而成。

3.根据权利要求2所述基于纹理增强网络的红外小目标分割检测方法，其特征在于：所述编码网络由4个卷积模块和2个先验模块组成，将4个卷积模块依次表示为conv1，conv2，conv3和conv4，2个先验模块依次表示为p1和p2，其中，conv1，conv2和conv3均依次包含两个相同的卷积层和一个最大池化层，conv4则包含两个相同的卷积层，conv1，conv2，conv3和conv4中包含的卷积层的卷积核大小均为3，步长均为1，conv1，conv2，conv3和conv4中包含的卷积层的卷积核的数量依次为32、64、128和256，所述最大池化层的池化大小和步长均为2，所述先验模块依次由一个双线性下采样和一个卷积层以及Relu激活函数组成。

4.根据权利要求3所述基于纹理增强网络的红外小目标分割检测方法，其特征在于：所述下采样才做具体为：p1采样至64*64，p2采样至32*32。p1和p2卷积层的卷积核尺寸均为3，步长均为1，卷积核数量分别为64和128。

5.根据权利要求2所述基于纹理增强网络的红外小目标分割检测方法，其特征在于：所述解码网络则由3个纹理增强模块和3个分类模块组成，来获取一些更深层次的特征，每个分类模块输出一个双通道特征图，将3个纹理增强模块依次表示为G1，G2和G3，分类模块表示为F，纹理增强模块依次由一个上采样操作和一个基于纹理增强的神经网络层组成，纹理增强模块G1，纹理增强模块G2和纹理增强模块G3的上采样操作的输出尺寸分别为32*32，64*64和128*128，基于纹理增强神经网络层是由一个卷积层组成，纹理增强模块G1，纹理增强模块G2和纹理增强模块G3中对应的该卷积层卷积核大小为3，步长为1，卷积核数量分别为128、64和32。

6.根据权利要求5所述基于纹理增强网络的红外小目标分割检测方法，其特征在于：分类模块F依次由一个上采样操作和一个卷积核尺寸为1，步长为1，卷积核数量为2的卷积层构成的，所述上采样操作具体为：选择输出尺寸为w*h，是将图像恢复至原图大小，经过3个分类模块分别得到：子输出1，子输出2和子输出3。