基于深度学习的偏振成像伪装目标识别方法

本发明提供的是一种基于深度学习的偏振成像伪装目标识别方法。包括以下步骤：步骤S1：利用偏振相机得到0°、45°、90°偏振图像，利用深度学习对偏振图像进行滤波去噪处理，最大化降低噪声对测试的干扰。步骤S2：对去噪处理后的偏振图像进行匹配校准计算，根据公式得到偏振度、偏振角图像，将他们作为两个通道输入到深度学习训练模型中。步骤S3：利用深度学习得到低层、中层、高层三种特征。步骤S4：利利用深度学习增大感受野，得到增强后的特征图，输入到SINet神经网络，并搜索，从候选特征中得到最终想要的伪装目标特征，用于在图像中进行匹配。步骤:S5：针对不同场景下不同位置的伪装目标，使用相同神经网络模型进行训练，使模型达到可以在不同场景、伪装目标位置不同时仍能正确识别出目标。本发明能有效识别出环境中隐藏的伪装目标，可广泛用于多场景单个或多目标伪装探测等领域。