一种基于图像退化的红外弱小目标检测自监督学习方法

1.一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：该方法具体包括如下步骤：

2.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s1中，三种公开的红外背景数据集一为flir数据集、数据集二为tno数据集、数据集三为msrs数据集，用于通过阈值裁剪法获取弱小目标样本数据库；一种包含弱小目标的自制红外数据集六，用于获取真实目标样本数据库；两种公开的包含弱小目标的真实数据集四为nuaa-sirst数据集和数据集五为irdst-real数据集，用于最终的模型测试。

3.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s3中，图像退化模型被解耦为目标退化过程和背景退化过程，以分别解析目标和背景的光学成像特性；二者的退化函数库由模糊退化、亮度/对比度退化和尺度退化等复杂的退化因子构成，拟合更符合真实环境退化机理的图像；

4.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s4中，全局目标约束包括量的约束和位置约束，保证在整体红外背景图像中添加的目标数量在合理的区间，约束目标添加在背景图像整体位置布局更加合理。

5.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s4中，局部目标约束包括图像网格化和量的约束，巧妙地避免了局部区域目标分布不均衡的问题，也消除了出现的“伪目标”现象。

6.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s4中，局部灰度级约束包括局部标准差索引和目标剔除，解决了由于目标样本遭受到最严重的退化，导致的随机添加的目标与局部背景区域特征分布极度相似的问题。

7.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s4中，在线伪样本生成模型输出接口包括伪样本图像输出接口、二值标签图像输出接口和样本输出接口，用于后续的网络训练和图像处理任务。

8.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s5中，神经网络为简单高效的残差网络，包括头部网络、特征提取网络和尾部网络，用于提取图像的深层特征，稳定梯度的反向传导，并将网络的输出与进行吻合；

9.根据权利要求1所述的一种基于图像退化的红外弱小目标检测自监督学习方法，其特征在于：所述s6中，位置-置信度损失包括位置损失和置信度损失，用于利用中的位置信息和置信度信息分别与网络输出的位置和置信度计算损失值。