摘要
轻型弱小目标因其尺寸小巧,在图像中占据的像素数量有限,导致特征信息不足,易与背景混淆或被其他物体遮挡,从而构成了检测的重大挑战。针对这一问题,提出了一种新颖的深度学习检测算法,专为复杂场景中的运动轻型弱小目标设计。该算法首先利用稠密光流密集轨迹技术,有效捕捉目标在图像序列中的运动轨迹。通过对比分析背景点与目标轨迹的差异,能够精确剔除背景特征点,进而筛选出潜在的目标点。随后,对这些候选目标点进行周围区域填充和形态学处理,以进一步精炼目标区域。在此基础上,采用并改进了深度学习中的U-Net网络模型,构建了一个专门针对复杂场景中运动轻型弱小目标的深度学习检测模型。实验结果表明,该算法在检测这类目标方面有一定的改进,为实际应用中的精准识别有参考意义。
出处
《广东通信技术》
2025年第3期39-43,73,共6页
Guangdong Communication Technology
