(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211226059.3 (22)申请日 2022.10.09 (71)申请人 许昌三维测绘有限公司 地址 461000 河南省许昌市东城区八一路 88号许昌学院院内新兴产业科技楼 301、 303室 (72)发明人 黄小珊　朱江海　仲亦杰　田锋亮　 刘政龙　黄培强　张文强　 (74)专利代理 机构 江苏圣典律师事务所 32 237 专利代理师 胡建华 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于频域增强的伪装 对象检测方法 (57)摘要 本发明提供了一种基于频域增强的伪装对 象检测方法， 包括以下步骤： 1， 构建伪装对象网 络： 搭建伪装检测伪装对象网络， 将伪装对象的 图像集输入到伪装对象网络中， 通过迭代优化损 失函数来优化伪装对象网络； 2， 构构建特征对齐 模块和高频通道选择模块： 利用伪装对象网络， 达到时频特征对齐与筛选高频特征的目的； 3， 伪 装对象网络框架分为模型训练阶段和测试阶段； 模型训练阶段将经过数据预处理的伪装对象训 练图片集输入到伪装对象网络中， 利用频域增强 模块和两次监督来优化伪装对象网络； 在测试阶 段将需要检测的伪装对象图像输入到训练好的 伪装对象网络中， 得到对应的伪装对象分割图 像。 权利要求书3页 说明书8页 附图2页 CN 115471675 A 2022.12.13 CN 115471675 A 1.一种基于频域增强的伪装 对象检测方法， 其特 征在于， 包括如下步骤： 步骤1， 构建基于频域增强模块的伪装对象网络； 所述伪装对象网络包括： 伪装对象网 络骨架、 频域增强模块、 特 征对齐模块和高频通道选择模块； 其中， 频域增强模块用于提取频域中伪装物体的特征， 特征对齐模块用于时频特征对 齐， 高频通道选择模块用于 筛选高频特征； 步骤2， 训练所述伪装对象网络， 包括： 将经过数据预处理的伪装对象训练图像集输入 到伪装对 象网络中， 利用频域增强模块和监督损失来优化所述伪装对 象网络， 得到训练好 的伪装对象网络； 步骤3， 采用训练好的伪装对象网络进行测试， 包括： 将需要检测的伪装对象图像输入 到训练好的伪装对 象网络中， 得到对应的伪装对 象分割图像， 完成基于频域增强的伪装对 象检测。 2.根据权利要求1所述的一种基于频域增强的伪装对象检测方法， 其特征在于， 步骤1 包括以下步骤： 步骤1‑1， 构建伪装 对象网络骨架来进行RGB特 征提取； 步骤1‑2， 设计频域增强模块FE M来提取频域中伪装物体的特 征； 步骤1‑3， 构造特 征对齐模块FA,； 将时域特 征和频域特 征进行融合； 步骤1‑4， 构造高频通道选择模块HOR； 进行高频 特征筛选。 3.根据权利要求2所述的一种基于频域增强的伪装对象检测方法， 其特征在于， 步骤1 ‑ 1中， 所述伪装对象网络骨架包括四个阶段， 每个阶段是两个3 ×3的卷积层， 步幅为2； 利用 所述伪装对象网络， 提取RGB图像对应的特征图 其中， H表示所述图像的高 度， W表示所述图像的宽度， 表示所述特 征图的整体分辨 率大小。 4.根据权利要求3所述的一种基于频域增强的伪装对象检测方法， 其特征在于， 步骤1 ‑ 2中所述的频域增强模块包括： 离线离 散余弦变换和在线学习增强模块OLE； 其中， 离线离散余弦变换， 从RGB图像中获得频域信息； 在线学习增强模块OLE， 获得隐 藏在频率空间中的伪装物体特 征， 即频域特 征。 5.根据权利要求4所述的一种基于频域增强的伪装对象检测方法， 其特征在于， 步骤1 ‑ 2中所述的离线离散余弦变换将特征图xrgb转换到YCbCr空间， 所述YCbCr空间中的特征图表 示为 随后， 将xYCbCr分割为8×8的大小的图像 表示某一区域的图像， i， j代表了所述区域的坐标； 每个区域随后通过离散余弦变化DCT处 理成频谱 其中每个值对应于某一频 带的强度， 以上 过程用如下公式表示： 在公式中， 表示 的所有连接； 表示将相同频率的所有区域集合到 一个通道， 重新得到的特 征图， flat ten表示集合方法。 6.根据权利要求5所述的一种基于频域增强的伪装对象检测方法， 其特征在于， 步骤1 ‑ 2中， 所述的在线学习增强模块OLE用来获得隐藏在频率空间中的伪装物体特 征， 具体包括： 首先将信号 进行降采样并划分为两部分， 前96个通道是低信号段 权　利　要　求　书 1/3 页 2 CN 115471675 A 2后96个通道是高信号段 其中k表示大小； 将低信号段和高信号段分别输入 两个多头自注意M HSA， 并将输出 连接起来， 恢复原 始形状； 然后另一个多头自注意MHSA调和所有不同的频带， 新形成的信号表示为 多头自 注意MHSA捕获输入表示 中每个Patch块之间的丰富相关性； 具体方法包括： 首先将 塑形成特 征图 然后， 使用M HSA对所有Patc h块之间的关系进行建模； 最后， 上采样并得到增强的频率信号xfreq。 7.根据权利要求6所述的一种基于频域增强的伪装对象检测方法， 其特征在于， 步骤1 ‑ 3中， 所述将时域特 征和频域特 征进行融合的方法包括： 特征对齐模块FA将时域特征 和频域特征Xfreq2s进行融合； 设计一个覆盖高频带的 二进制基底滤波器fbase， 并为Y、 Cb、 Cr颜色空间添加 三个不同的可学习 滤波器 z表 示可学习滤波器的编号； 滤波是频率响应和组合滤波器fbase+σ(fz)之间的点积， 其中σ 函数 的表示如下 所示： 其中， exp是求指数函数； 对于输入频域特征 通过如下公式得到三个不同频段的 信号： 其中⊙是元素级乘积； 通过选择3个不同的滤波器得到三个不同的频段的信息 把这三个不同的频 段的信息拼接在一 起， 得到频域输出 Xfreq： 将空间域信息和频域信息拼接起来； 具体方法包括： 将Xi和Xfreq连接起来， 并输入一个 具有4个输出通道的卷积层， 输出为T； 从第三维中取出 并重塑为 HW×n 通过： T1＝T1(T2)T, T2＝T3(T4)T. 对齐特征映射； 再乘以变 换和一个 学习到的向量 来调整每个通道的强度， 每个 通道的对齐特 征域定义 为： 最后， 通过 添加这两个域的特 征来获得融合的特 征 权　利　要　求　书 2/3 页 3 CN 115471675 A 3