基于多级特征增强融合的红外飞机目标检测方法

红外飞机目标检测识别在无人侦察、目标制导以及航班监控等领域有广阔的应用前景。为解决红外飞机目标检测识别中目标可用特征少、类间差异小导致的精确识别难度高的问题,提出了一种基于多级特征增强融合的网络模型(MFEFNet)。首先,设计了一种局部与全局特征增强融合模块(LGFE),模块通过设计坐标注意力机制和全局像素注意力机制将深层语义特征和底层细节特征进行增强融合,以自顶向下方式实现深层语义动态指导底层局部特征增强,进而自适应强化网络对红外飞机目标信息的表征;然后,设计了一种全局拓展模块(GEM),在特征金字塔的基础上进一步聚合中间特征图多尺度上下文信息,提高网络对多类别目标的鉴别能力;最后,将GEM模块和LGFE模块进行级联,保持特征长距离依赖关系,产生联合效应,进一步提高网络对目标的表征能力和分类决策能力,有效解决红外飞机目标特征缺失以及类间差异小等问题。此外,本文基于迁移开发了新的地面红外飞机数据集,并通过Gram距离分析了迁移数据与真实红外数据在特征层面上的一致性。在地面红外飞机数据集上的实验结果表明:MFEFNet各个模块是有效的,与其他先进算法相比,本算法对地面红外飞机目标识别的平均均值精度(mAP)提升4.3%以上,识别精确度取得了明显优势。