(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 202210278183.8 (22)申请日 2022.03.21 (71)申请人 西安电子科技大 学 地址 710000 陕西省西安市雁塔区太白南 路2号 (72)发明人 秦翰林　张嘉伟　姚迪　乐子晗　 廖昕源　梁毅　冯冬竹　马琳　 于跃　王石语　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 方婷 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01) G06V 10/44(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多尺度ST L-SRU残差网络的定标红外非 均匀性校正方法 (57)摘要 本发明涉及一种基于多尺度ST L‑SRU残差网 络的定标红外非均匀性校正方法， 所述定标红外 非均匀性校正方法包括： 步骤1、 获取第一温度和 第二温度下的黑体的第一温度图像和第二温度 图像， 所述第一温度小于所述第二温度； 步骤2、 利用所述第一温度图像和所述第二温度图像对 目标场景图像进行校正处理， 得到预处理校正图 像； 步骤3、 将所述预处理校正图像输入训练好的 多尺度STL ‑SRU残差网络进行深度特征表示提 取， 将提取的特征表示作为最终的非均匀性校正 结果。 本发 明的定标红外非均匀性校正方法在去 除非均匀性噪声的基础上减少校正后图像的细 节及对比度损失。 权利要求书2页 说明书7页 附图2页 CN 114742721 A 2022.07.12 CN 114742721 A 1.一种基于多尺度STL ‑SRU残差网络的定标红外非均匀性校正方法， 其特征在于， 所述 定标红外非均匀性校正方法包括： 步骤1、 获取第 一温度和第 二温度下的黑体的第 一温度图像和第二温度图像， 所述第一 温度小于所述第二温度； 步骤2、 利用所述第一温度图像和所述第二温度图像对目标场景图像进行校正处理， 得 到预处理校正图像； 步骤3、 将所述预处理校正图像输入训练好的多尺度STL ‑SRU残差网络进行深度特征表 示提取， 将提取的特 征表示作为 最终的非均匀性校正结果。 2.根据权利要求1所述的定标红外非均匀性校正方法， 其特 征在于， 所述 步骤2包括： 基于所述第 一温度图像和所述第 二温度图像， 利用两点校正法对所述目标场景图像进 行校正处理， 得到所述预处 理校正图像。 3.根据权利要求1所述的定标红外非均匀性校正方法， 其特 征在于， 所述 步骤3包括： 步骤3.1、 采用卷积层对预处 理校正图像进行 特征提取， 得到 浅层特征F0； 步骤3.2、 第一 路所述浅层特征F0依次经过第一SRU模 块和第一深层特征提取模 块fDF1进 行图像特征提取， 得到第一图像特征FDF1， 第二路所述浅层特征F0经过下采样模块得到第二 图像特征FDSF1； 步骤3.3、 第一路所述第二图像特征FDSF1依次经过第二SRU模块和第二深层特征提取模 块fDF2进行图像特征提取， 得到第三图像特征FDF2’， 第二路所述第二图像特征FDSF1经过下采 样模块得到第四图像特 征FDSF2； 步骤3.4、 第一路所述第四图像特征FDSF2依次经过第三SRU模块和第三深层特征提取模 块fDF3进行图像特征提取， 得到第五图像特征FDF3’， 第二路所述第四 图像特征FDSF2经过下采 样模块得到第六图像特 征FDSF3； 步骤3.5、 所述第六图像特征FDSF3经过第四SRU模块提取所述第五图像特征FDSF3的浅层 特征， 得到第七图像特 征FDF4’； 步骤3.6、 对所述第三图像特征FDF2’、 所述第五图像特征FDF3’和所述第七图像特征FDF4’ 进行图像特征尺寸复原， 对应得到第八图像特征FDF2、 第九图像特征FDF3和第十图像特征 FDF4； 步骤3.7、 根据所述第一图像特征FDF1、 所述第八图像特征FDF2、 所述第九图像特征FDF3和 所述第十图像特 征FDF4组成的浅层与深层特 征得到最终的非均匀性校正结果。 4.根据权利要求3所述的定标红外非均匀性校正方法， 其特征在于， 所述第 一深层特征 提取模块fDF1包括3个STLB模块、 1个卷积层和残差结构。 5.根据权利要求3所述的定标红外非均匀性校正方法， 其特征在于， 所述第 二深层特征 提取模块fDF2和所述第三深层特征提取模块fDF3均包括1个STLB模块、 1个第三卷积层和残差 结构。 6.根据权利要求4或5所述的定标红外非均匀性校正方法， 其特征在于， 每个所述STLB 模块包括3个STL层、 一个卷积层和残差结构， 每个所述STL层包括2 个LayerNorm层、 1个多头 自注意模块、 1个多层感知器和2个残差结构， 每个所述多层感知器包括2个全连接层与GELU 激活函数。 7.根据权利要求3所述的定标红外非均匀性校正方法， 其特征在于， 所述下采样模块包权　利　要　求　书 1/2 页 2 CN 114742721 A 2括下采样层与一个卷积层。 8.根据权利要求3所述的定标红外非均匀性校正方法， 其特 征在于， 所述 步骤3.6包括： 将所述第三图像特征FDF2’、 所述第五图像特征FDF3’和所述第七图像特征FDF4’分别通过 上采样模块进行图像特征尺寸复原， 对应得到第八图像特征FDF2、 第九图像特征FDF3和第十 图像特征FDF4， 所述上采样模块包括上采样层和卷积层。 9.根据权利要求3所述的定标红外非均匀性校正方法， 其特 征在于， 所述 步骤3.7包括： 所述第一图像特征FDF1、 所述第八图像特征FDF2、 所述第九图像特征FDF3和所述第 十图像 特征FDF4组成的浅层与深层特 征经过卷积层重建， 得到最终的非均匀性校正结果。 10.根据权利要求1所述的定标红外非均匀性校正方法， 其特征在于， 所述多尺度STL ‑ SRU残差网络的训练方法包括： 获取数据集， 所述数据集包括多张噪声图像； 对每张所述噪声图像随机添加高斯噪声， 得到高斯噪声图像； 利用所述高斯噪声图像对所述多尺度STL ‑SRU残差网络进行训练， 得到训练好的多尺 度STL‑SRU残差网络 。权　利　要　求　书 2/2 页 3 CN 114742721 A 3