基于数据解耦的未知隐藏目标定位方法、系统及存储介质

本发明涉及图像识别，尤其涉及一种基于数据解耦的未知隐藏目标定位方法、系统及存储介质。

背景技术：

1、散射现象主要是由于目标光子在复杂散射介质中的调制作用，原有的目标特征信息有明显的衰减，导致人眼无法通过相机采集到的散斑图像识别目标。从目标散斑图像中准确有效地分析目标信息，包括位置信息，在日常生活和安全方面非常重要--特别是在军事应用方面。例如，在军事上，在复杂的天气条件下检测空中目标位置，在恶劣的环境下识别和跟踪地面目标。同时从散斑图像中获得的目标信息在民用领域也很有价值。

2、散斑形成是散射介质对携带目标信息的入射光场进行重新编码。最近的一些研究提出了克服散射介质对入射光的干扰，获得携带目标信息的入射光场的信息。例如，波前整形技术，但其在对散射场景不固定的情况下，无法对入射光场波前进行有效的恢复和测量；传输矩阵测量技术，强散射介质的入射光场和出射光场可以通过介质的传输矩阵联系起来，通过测量介质的传输矩阵结合出射光场信息，实现携带目标信息的入射光场获取，但要求复杂的光学实验系统，且其计算量过大。

3、由于目标信息的获取受到介质散射程度的可变特性的影响。在复杂的环境中，很难通过估计系统的点扩散函数(psf)并利用目标产生的散射和成像系统产生的散射之间的卷积关系来解析目标信息。基于散斑相关的方法，由于只获得了目标的振幅信息，可以使用fienup等人提出的混合输入输出和误差减少的相位恢复算法来重建目标的完整形状信息。然而，恢复效果具有很高的随机性，重建质量得不到保证，而且无法确定重建目标的位置。

4、在自相关原理的基础上，guo等人对隐藏目标的横向和轴向运动进行了研究，但要求成像过程在光学记忆效应范围内，且适合于小物体的行动。2012年，jakobsen等人设计了一个空间滤波函数，通过分析观察平面变化时目标散射点的情况来进行目标的定位。2015年，k.jo等人结合散斑运动的理论模型的设计与传感器相结合，实现了目标运动位置估计。akhlaghi等人(2017年)分析了散射图的目标统计特征，以跟踪隐藏的目标。

5、为了更好地解决传统方法的局限性，人们研究了机器学习和深度学习方法，以进一步解决散射图像的目标信息，而不使用复杂的物理模型。2018年，hui等人提出使用支持向量回归算法来验证使用机器学习来实现通过散射介质的目标成像的可行性。随后，基于深度学习的算法被用于散射环境下的目标成像。2019年，yang等人尝试通过u-net结构，利用光纤和磨砂玻璃来恢复手写数字图像。li等人提出idiffnet网络实现对透过散射介质的目标高效成像，guo等人通过将其与自相关原理相结合实现了复杂的目标成像。

6、然而上述现有技术在复杂散射介质影响下，克服目标形状、类别及数量限制，从而实现散射介质后未知目标的位置估计的应用效果仍然不理想。

技术实现思路

1、针对现有技术的不足，本发明的目的在于提供一种基于数据解耦的未知隐藏目标定位方法、系统及存储介质。

2、为实现前述发明目的，本发明采用的技术方案包括：

3、第一方面，本发明提供一种基于数据解耦的未知隐藏目标定位方法，包括：

4、获取散斑图像，所述散斑图像为待定位目标图像经过散射介质的散射作用后形成的；

5、使所述散斑图像经过目标定位网络，生成用于指示所述散斑图像中的待定位目标的位置的指示信息；

6、其中，所述目标定位网络包含注意力机制，并且所述目标定位网络的训练方法包括：

7、构建基本元素数据集，所述基本元素数据集包含多个不同位置的基本几何元素以及所述基本几何元素对应的基本位置标记信息；

8、利用所述基本元素数据集训练初始神经网络，获得预训练神经网络；

9、构建复杂元素数据集，所述复杂元素数据集包括多个复杂几何图形以及所述复杂几何图形对应的复杂位置标记信息；

10、利用所述复杂元素数据集对所述预训练神经网络进行测试，并迭代更新所述预训练神经网络的参数，获得所述目标定位网络。

11、第二方面，本发明还提供一种基于数据解耦的未知隐藏目标定位系统，包括：

12、图像获取模块，用于获取散斑图像，所述散斑图像为待定位目标图像经过散射介质的散射作用后形成的；

13、目标定位模块，用于使所述散斑图像经过目标定位网络，生成用于指示所述散斑图像中的待定位目标的位置的指示信息；

14、其中，所述目标定位网络包含注意力机制，并且所述目标定位网络的训练方法包括：

15、构建基本元素数据集，所述基本元素数据集包含多个不同位置的基本几何元素以及所述基本几何元素对应的基本位置标记信息；

16、利用所述基本元素数据集训练初始神经网络，获得预训练神经网络；

17、构建复杂元素数据集，所述复杂元素数据集包括多个复杂几何图形以及所述复杂几何图形对应的复杂位置标记信息；

18、利用所述复杂元素数据集对所述预训练神经网络进行测试，并迭代更新所述预训练神经网络的参数，获得所述目标定位网络。

19、第三方面，本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序和/或目标定位网络；

20、所述计算机程序被运行时执行上述未知隐藏目标定位方法的步骤；

21、和/或，所述目标定位网络包含注意力机制，并且所述目标定位网络的训练方法包括：

22、构建基本元素数据集，所述基本元素数据集包含多个不同位置的基本几何元素以及所述基本几何元素对应的基本位置标记信息；

23、利用所述基本元素数据集训练初始神经网络，获得预训练神经网络；

24、构建复杂元素数据集，所述复杂元素数据集包括多个复杂几何图形以及所述复杂几何图形对应的复杂位置标记信息；

25、利用所述复杂元素数据集对所述预训练神经网络进行测试，并迭代更新所述预训练神经网络的参数，获得所述目标定位网络。

26、基于上述技术方案，与现有技术相比，本发明的有益效果至少包括：

27、本发明提供的未知隐藏目标定位方法通过采用多种基本几何元素的训练集进行训练以及多种复杂几何图形的测试集进行测试所获得的目标定位网络模型，对散斑图像进行目标定位，能够在复杂散射介质影响下，克服目标形状、类别及数量限制，从而实现散射介质后未知目标的准确的位置估计。

28、上述说明仅是本发明技术方案的概述，为了能够使本领域技术人员能够更清楚地了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合详细附图说明如后。

技术特征：

1.一种基于数据解耦的未知隐藏目标定位方法，其特征在于，包括：

2.根据权利要求1所述的未知隐藏目标定位方法，其特征在于，所述训练方法具体包括：

3.根据权利要求2所述的未知隐藏目标定位方法，其特征在于，所述基本散斑图像和/或复杂散斑图像经过归一化处理，获得归一化图形，然后将所述归一化图形输入对应的神经网络。

4.根据权利要求2所述的未知隐藏目标定位方法，其特征在于，所述散射光路包括沿光线传播方向依次设置的准直器、空间光调制器、静态散射介质以及探测器；

5.根据权利要求4所述的未知隐藏目标定位方法，其特征在于，所述静态散射介质包括毛玻璃；

6.根据权利要求2所述的未知隐藏目标定位方法，其特征在于，所述基本元素数据集包括对所述基本几何元素进行空间位置变换以及大小缩放产生的多种不同位置及大小的基本几何元素；

7.根据权利要求2所述的未知隐藏目标定位方法，其特征在于，对所述复杂几何图形进行空间位置变换以及大小缩放产生多种不同空间位置和尺寸的单一复杂几何图形，对所述预训练神经网络进行目标定位准确性的检测。

8.根据权利要求1所述的未知隐藏目标定位方法，其特征在于，所述目标定位网络的结构包括依次连接的特征提取模块、语义信息模块和检测头模块，所述特征提取模块包括设置于所述特征提取模块两端的卷积层以及设置于卷积层之间的mhsa层。

9.一种基于数据解耦的未知隐藏目标定位系统，其特征在于，包括：

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序和/或目标定位网络；

技术总结
本发明公开了一种基于数据解耦的未知隐藏目标定位方法、系统及存储介质。所述未知隐藏目标定位方法包括：获取散斑图像；经过目标定位网络，生成用于指示目标位置的指示信息；所述目标定位网络包含注意力机制，其训练方法包括：构建基本元素数据集；训练初始神经网络，获得预训练神经网络；构建复杂元素数据集；对所述预训练神经网络进行测试，并迭代更新预训练神经网络的参数，获得目标定位网络。本发明提供的定位方法通过采用多种基本几何元素进行训练以及多种复杂几何图形进行测试所获得的目标定位网络模型，对散斑图像进行目标定位，能够在复杂散射介质影响下，克服目标形状、类别及数量限制，从而实现散射介质后未知目标的准确的位置估计。

技术研发人员：庄佳衍,王晨,叶思超,肖江剑
受保护的技术使用者：中国科学院宁波材料技术与工程研究所
技术研发日：
技术公布日：2024/1/11