基于深度卷积神经网络的红外场景理解算法

发布时间：2018-03-12 08:39

  本文选题：红外图像　切入点：红外场景　出处：《红外技术》2017年08期 　论文类型：期刊论文

【摘要】：采用深度学习的方法实现红外图像场景语义理解。首先,建立含有4类别前景目标和1个类别背景的用于语义分割研究的红外图像数据集。其次,以深度卷积神经网络为基础,结合条件随机场后处理优化模型,搭建端到端的红外语义分割算法框架并进行训练。最后,在可见光和红外测试集上对算法框架的输出结果进行评估分析。实验结果表明,采用深度学习的方法对红外图像进行语义分割能实现图像的像素级分类,并获得较高的预测精度。从而可以获得红外图像中景物的形状、种类、位置分布等信息,实现红外场景的语义理解。
[Abstract]:The method of depth learning is used to realize the semantic understanding of infrared image scene. Firstly, the infrared image data set with four categories foreground target and one category background for semantic segmentation research is established. Secondly, the deep convolution neural network is used as the basis. Combined with the conditional random field post-processing optimization model, the end-to-end infrared semantic segmentation algorithm framework is built and trained. Finally, the output results of the algorithm are evaluated and analyzed on the visible light and infrared test sets. The experimental results show that, By using the method of depth learning to segment infrared images, the pixel level classification of infrared images can be realized, and high prediction accuracy can be obtained. Thus, the information of the shape, type and location distribution of the scene in infrared images can be obtained. The realization of infrared scene semantic understanding.
【作者单位】： 中国科学院上海技术物理研究所;中国科学院大学;中国科学院红外探测与成像技术重点实验室;
【基金】：国家“十二五”国防预研项目 上海物证重点实验室基金(2011xcwzk04) 中国科学院青年创新促进会资助(2014216)
【分类号】：TP183;TP391.41

【相似文献】

相关期刊论文 前10条

1 付冬梅,罗得贵,李晓刚;红外图像及数据的框架结构式数据库保存方法[J];激光与红外;2000年06期

2 杨庆华,徐育新;红外图像处理技术在冶金中的应用[J];测控技术;2005年06期

3 左峥嵘;张天序;施长城;;地面场景红外图像特征分析[J];红外与激光工程;2006年03期

4 张励;冯晓晨;张琰;张宏俊;;基于电阻阵的红外图像实时生成和显示系统[J];系统仿真学报;2006年S2期

5 刘政清;杨华;;红外图像降质因素分析及增强效果评价[J];航天电子对抗;2006年06期

6 郑小宝;王仕成;张金生;廖守亿;苏德伦;;红外图像实时生成系统的实时性实现[J];电讯技术;2008年11期

7 袁胜智;谢晓方;郭清风;朱锐;;基于感兴趣区自动提取的红外图像压缩研究[J];计算机应用研究;2008年12期

8 顾国华;王忠林;陈钱;;基于运动目标的二维时间延迟积分红外图像增强[J];红外技术;2008年03期

9 汪小胖;柴金广;黄小仙;;红外图像识别跟踪初探[J];红外;2008年09期

10 郭玉峰;胡学娟;阮双琛;;红外图像处理在钞票鉴伪中的应用[J];激光与红外;2009年01期

相关会议论文 前10条

1 郭海涛;;舰船红外图像处理研究的军事意义和现状[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

2 魏新;;红外图像处理技术[A];中国光学学会2011年学术大会摘要集[C];2011年

3 刘振焘;吴敏;曹卫华;何勇;;基于工况识别的高炉最佳红外图像选取方法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

4 张励;冯晓晨;张琰;张宏俊;;基于电阻阵的红外图像实时生成和显示系统[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 朱寅;吴敏;曹卫华;何勇;;基于小波分解与图像增强的高炉红外图像处理方法[A];第二十七届中国控制会议论文集[C];2008年

6 王雨;蒋增波;李文刚;;红外图像不均匀背景消除方法研究[A];2013年（第五届）西部光子学学术会议论文集[C];2013年

7 李卓;李平;;动态红外图像生成技术综述[A];2006年全国光电技术学术交流会会议文集（A 光电系统总体技术专题）[C];2006年

8 朱斌;樊祥;马东辉;程正东;;天空红外图像非平稳背景的小波域抑制[A];第二届红外成像系统仿真测试与评价技术研讨会论文集[C];2008年

9 郭永胜;谷峰;;CCD近红外图像特征研究[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年

10 陈洪;常青;郭天天;;一种有效的实时红外图像增强算法研究[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

相关重要报纸文章 前1条

1 李锦辉;“显微近红外图像成像方法的研究及其在烟草中的应用”项目通过评审[N];中华合作时报;2009年

相关博士学位论文 前10条

1 赵仁涛;基于红外图像的铜电解精炼过程状态检测研究[D];北京科技大学;2016年

2 郑欣;红外图像无参考图评价方法及应用研究[D];电子科技大学;2015年

3 刘俊;基于红外图像的内河运动船舶目标检测和跟踪技术研究[D];重庆大学;2008年

4 周欣;红外图像视觉效果增强技术的研究[D];天津大学;2009年

5 简耀波;红外图像处理中的关键算法研究[D];华中科技大学;2009年

6 王晓宇;红外图像分析关键技术研究[D];华中科技大学;2008年

7 李江;红外图像人脸识别方法研究[D];国防科学技术大学;2005年

8 田思;微光与红外图像实时融合关键技术研究[D];南京理工大学;2010年

9 蔺素珍;双色中波红外图像差异特征分析及融合方法研究[D];中北大学;2012年

10 朱勇;基于SoC的实时红外图像高速通道设计与研究[D];华中科技大学;2007年

相关硕士学位论文 前10条

1 何玮;基于Retinex的红外图像预处理系统的研究与实现[D];南京理工大学;2015年

2 蔡晓望;可见光与红外视频的融合算法研究[D];电子科技大学;2015年

3 刘中意;基于多聚焦红外图像的温度测量和三维重构[D];上海大学;2015年

4 陈敏;红外图像识别在船舶舱室火灾监测中的研究[D];集美大学;2015年

5 丘岳峰;红外图像行人检测技术[D];北京理工大学;2015年

6 何克磊;面向肺癌辅助诊断的近红外图像分析平台关键技术与设计实现[D];南京大学;2014年

7 易乐;基于ARM的红外图像目标跟踪技术研究[D];电子科技大学;2014年

8 吕静;基于红外图像的行人检测算法的研究[D];电子科技大学;2015年

9 刘婷婷;红外图像细节增强算法与实现的研究[D];电子科技大学;2014年

10 贾艳成;基于红外图像的森林火灾识别技术研究[D];电子科技大学;2015年

，

本文编号：1600810