基于注意力机制的宽波段小目标实时去模糊OA北大核心CSTPCD
基于天基平台的远距离运动目标探测和识别面临着波段宽、图像模糊、目标尺寸小的挑战。针对天基平台对去模糊算法高实时性、泛化性和重建质量的要求,提出了一种基于注意力机制的多尺度多阶段卷积神经网络方法。利用优化模块数量的轻量化多尺度多阶段网络作为架构保障实时性,结合基于频域的自注意力机制求解器及前馈神经网络(Fre-quency domain based self-attention solver and discriminative FFN,F-D)和卷积注意力模块(Concolutional Block Attention Module,CBAM)捕捉空域和频域上的关键信息。实验结果表明:去模糊方法的复原速率优于34 frame/s,耗时仅为典型算法的1/3,在红外小目标数据集上的PSNR大于32 dB,SSIM大于0.87;在可见光小目标数据集上的PSNR大于17 dB,SSIM大于0.93。该算法在宽波段具有泛化能力并可有效恢复小目标轮廓和形状信息。
朱德燕;敖咏琪;徐家一;李承城;张钰凡
南京航空航天大学航天学院,江苏南京210016 南京航空航天大学空间光电探测与感知工信部重点实验室,江苏南京210016南京航空航天大学航天学院,江苏南京210016 南京航空航天大学空间光电探测与感知工信部重点实验室,江苏南京210016南京航空航天大学航天学院,江苏南京210016 南京航空航天大学空间光电探测与感知工信部重点实验室,江苏南京210016南京航空航天大学航天学院,江苏南京210016 南京航空航天大学空间光电探测与感知工信部重点实验室,江苏南京210016南京航空航天大学航天学院,江苏南京210016 南京航空航天大学空间光电探测与感知工信部重点实验室,江苏南京210016
计算机与自动化
计算机视觉图像去模糊注意力机制小目标
《光学精密工程》 2024 (23)
P.3479-3489,11
国家自然科学基金资助项目(No.62105145)。
评论