[发明专利]一种基于混合神经网络模型的红外模糊目标识别方法

权利要求书

1.一种基于混合神经网络模型的红外模糊目标识别方法，其特征在于，包括以下步骤：

S1：将红外探测器获取运动模糊图像分解为获取红外图像和生成运动模糊两个环节，并对这两个过程的参数进行模板参数设计；

S2：将红外图像模板参数输入Unity3D，获取红外图像数据，将该数据与运动模糊参数输入到模糊生成算法，得到仿真红外模糊图像数据；

S2.1：根据红外探测器的采样间隔，利用Unity3D设定摄像机位置与目标位置、目标运动参数、目标及背景灰度值等参数，每隔一段时间对运动的目标进行仿真红外图像获取，生成若干清晰的仿真红外图像数据，每张图像为目标在运动中不同位置的清晰红外图像，包含目标位置坐标、摄像机相对角度、目标运动轨迹、目标运动速度、目标及背景灰度值；

S2.2：根据红外探测器成像性能，将仿真红外图像数据输入到模糊生成算法，在目标周围添加不同程度的模糊，设置多种不同长度的模糊参数，每张清晰的仿真红外图像数据对每个模糊参数均处理一次，制作仿真红外模糊数据集，每张图像为在目标在运动中不同位置的红外模糊图像，包含摄像机相对位置、摄像机相对角度、目标运动轨迹、目标运动速度、目标及背景灰度值、运动模糊长度和运动模糊方向；

S3：获取目标灰度值，将红外模糊图像数据输出为红外辐射信号时间序列数据；

S4：将红外辐射序列数据集输入1D-CNN+Bi-LSTM混合神经网络模型，得到网络模型根据迭代次数的识别精度曲线与损失曲线。

2.根据权利要求1所述的一种基于混合神经网络模型的红外模糊目标识别方法，其特征在于，步骤S1中所述的模板参数设计包括不变参数设置和可变参数设置。

3.根据权利要求2所述的一种基于混合神经网络模型的红外模糊目标识别方法，其特征在于，不变参数包括摄像机投影模式、摄像机采样间隔、图像分辨率、模拟噪声的点光源灰度值、模拟噪声的点光源强度和模拟噪声的点光源范围。

4.根据权利要求2所述的一种基于混合神经网络模型的红外模糊目标识别方法，其特征在于，可变参数包括目标灰度值、背景灰度值、目标运动速度、运动模糊长度和运动模糊方向。

5.根据权利要求1所述的一种基于混合神经网络模型的红外模糊目标识别方法，其特征在于，所述步骤S3具体为：

根据已制作的红外模糊图像数据集含有的目标位置信息与模糊长度信息，以目标位置的灰度值作为正样本，以模糊区域非目标位置的灰度值作为负样本，获取每张红外模糊图像上正负样本位置的灰度值，即输入一张图像，输出目标灰度值与模糊区域非目标位置的灰度值，每一定数量的连续相邻灰度值作为一组灰度值序列，根据红外模糊图像的各种模糊程度进行分组，每组的正负样本灰度值数量相等。