本发明涉及冰山检测领域，特别涉及基于自适应特征增强交互网络的红外冰山目标检测方法。
背景技术：
1、近年来，北极海冰的融化速度加快，北极地区的活动也逐渐增多，北极航道凭借着其在经济成本和时间成本上的优越性，在国际贸易及航运发展中的地位日益突出。而北极海面漂浮着大量冰山，每年不断地有新的冰山从冰川上崩解出来，其中包含极容易被探测系统和船员忽视的小冰山，他们在汹涌的海面上随海浪不规则运动，是北极航道上的巨大威胁，如果不能在安全距离下及时发现他们会对行驶中的船舶带来风险。因此，加强船舶周围的冰山的观测对于保障船舶安全航行具有重要意义。
2、目前，各种用于冰山探测的工具已经被开发。模型预测或卫星的方法往往用于大尺寸冰山(宽度超过100米)的监测。全天候遥感方法如星载极化合成孔径雷达(sar)和机载雷达，他们受分辨率和重访时间的限制，主要用于探测中小型冰山(宽度大于10米)。这些冰山目标由于显着的尺寸较容易被检测，而更加常见的相对较小的冰山(namely growlersand bergy bits)则是船舶行驶过程中的主要威胁，对于这些目标一般通过船员根据船载检测系统结合经验判断，检测系统包括船用雷达、光学和红外传感器。然而受北极极端恶劣海况的影响，船用雷达信号在雷达图像上会被海杂波淹没，难以将其与杂波区分。光学传感器受雾天和低光条件的限制，也会大大降低检测有效性。因此，在恶劣的海洋条件下，红外冰山探测是北极海域冰山监测的重要补充方法。
3、红外传感器能够捕捉到冰山和周围海水背景的对比差异，对雾、霾等天气的免疫力高，具有全天工作的能力，能够在照明差的条件下工作，红外探测技术已经被证明能够作为一种有效的工具来探测冰山。然而红外冰山目标检测面临许多挑战，首先，随着探测距离的增加，冰山与海水的成像对比度会降低，低对比度的红外冰山数据增加了检测的难度。另外，一些强海浪和尾迹的灰度和局部对比度会高于目标，容易被误检为真实目标。此外，冰山目标形状多变且不规则，目标像素和纹理信息少，可利用的特征有限。目前针对红外小目标检测技术，有许多传统方法被提出，包括基于滤波器的方法，基于目标与背景特征计算的方法，以及通过低秩稀疏矩阵运算的优化方法。然而这些传统的方法往往依赖于手工提取的图像特征和预先设置好的超参数，他们仅在简单场景下拥有不错的表现。因此深度学习方法逐渐被应用到红外检测任务中，主要包括基于深度对抗学习网络的目标检测方法和将lcm方法模块化到网络中进行目标检测的方法，然而这些方法在针对小目标检测时容易丢失特征，从而导致检测不到目标。因此利用小目标语义特征结合目标的边缘信息进行目标检测的方法被提出，该方法弥补了基于深度学习方法的目标检测方法容易丢失小目标特征的缺陷，然而红外冰山图像场景复杂，具有对比度低，海浪杂波严重等特点，如图1所示，现有的小目标检测方法无法适应暗淡目标和强海杂波场景，会产生虚警和误检，从而导致红外冰山目标检测准确率低。
技术实现思路
1、本发明目的是为了解决现有目标检测方法针对红外冰山目标检测准确率低的问题，而提出了基于自适应特征增强交互网络的红外冰山目标检测方法。
2、基于自适应特征增强交互网络的红外冰山目标检测方法，具体为：
3、获取待识别红外冰山图像，将待识别红外冰山图像输入到训练好的adenet网络中，获得目标识别结果；
4、所述adenet网络的训练集为原始红外冰山图像及标注目标位置后的红外冰山图像；
5、所述adenet网络包括：编码器、全局对比增强模块、门控语义特征提取模块、细节特征提取模块和解码器；
6、所述编码器为vgg网络，所述编码器用于获取由五个不同分辨率的红外冰山图像特征图组成的红外冰山特征图集合e＝{e1,e2,e3,e4,e5}；
7、其中，i∈{1,2,3,4,5}，ei是第i个红外冰山图像特征图，ci是ei的通道数，hi是ei的高度，wi是ei的宽度；
8、所述全局对比增强模块利用特征图e5提取目标全局特征，获得特征图和引导特征eguide；
9、所述门控语义特征提取模块用于目标语义特征，利用特征图e4和特征eguide提取获得特征图利用特征图和特征图e3获取特征图利用特征图和特征图e2获取特征图
10、
11、所述细节特征提取模块利用特征图e1、提取目标浅层细节特征，获得特征图
12、所述解码器用于对特征图解码并聚合获得红外冰山图像中目标识别结果。
13、进一步地，所述特征图通过如下方式获得：
14、
15、其中，conv()是3×3的卷积操作，是中间特征图。conv1×1()是1×1的卷积操作，conv3×3()是3×3的卷积操作，conv5×5()是5×5的卷积操作，conv7×7()是7×7的卷积操作，concate()是特征连接操作。
16、进一步地，所述引导特征eguide，具体为：
17、
18、其中，sa()是空间注意力操作。
19、进一步地，所述门控语义特征提取模块用于目标语义特征利用特征图e4和特征eguide提取获得特征图利用特征图和特征图e3获取特征图利用特征图和特征图e2获取特征图具体为：
20、
21、其中，up()是上采样操作，是中间特征图，是空间维度逐点相乘运算，j取2、3、4。
22、进一步地，具体为：
23、
24、
25、其中，convdi1是dilated rate＝1的膨胀卷积操作，stack()是特征图堆叠操作、mean()是特征图平均值计算操作，是中间特征图，convdi3()是dilated rate＝3的膨胀卷积操作，convdi5()是dilated rate＝5的膨胀卷积操作，convdi7()是dilated rate＝7的膨胀卷积操作，xgatek是第k个门限机制操作输出的特征，k取1、3、5。
26、进一步地，所述第k个门限机制操作输出的特征，具体为：
27、
28、其中，gate()是门限机制操作，sigmoid()是sigmoid函数。
29、进一步地，所述细节特征提取模块利用特征图e1、提取目标浅层细节特征，获得特征图具体为：
30、
31、其中，是中间特征图，aver()是平均池化操作，max()是最大池化操作，ca()是通道注意力操作，是门控语义特征提取模块输出的特征图，⊙是通道维度逐点相乘运算。
32、进一步地，所述解码器用于对特征图解码并聚合获得红外冰山图像中目标识别结果，具体为：
33、a1、利用特征图获取特征图d5：
34、
35、a2、初始化i＝5；
36、a3、利用特征图和di获取特征图di-1；
37、a4、判断i是否2，若i＝2则输出红外冰山图像中目标识别结果d1，若i＞2则令i＝i-1并返回a3。
38、进一步地，所述a3中的利用特征图和di获取特征图di-1，具体为：
39、
40、其中，bn()是批归一化操作，relu()是relu激活函数。
41、进一步地，所述adenet网络的损失函数为混合损失函数lossmix，具体为：
42、
43、其中，lbce(di,gt)是二值交叉熵损失函数，liou(di,gt)是iou损失函数，gt是红外冰山图像中目标真值。
44、本发明的有益效果为：
45、本发明提出了一种基于自适应特征增强交互网络的红外冰山目标检测方法(adenet)，本发明利用全局对比度增强模块以目标为中心自适应地增强低对比度图像，恢复图像中的潜在全局特征，全局对比度增强模块中的特征引导分支为目标语义特征的提取提供引导信息。本发明通过设计细节特征提取模块来自适应增强目标边缘等细节特征，自适应进行目标边缘轮廓提取和图像细节特征增强，本发明避免了由于红外冰山图像场目标暗淡和强海杂波场景导致的虚警和误检，提升了红外冰山目标检测准确率。
1.基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于所述方法具体过程为：获取待识别红外冰山图像，将待识别红外冰山图像输入到训练好的adenet网络中，获得目标识别结果；
2.根据权利要求1所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述特征图通过如下方式获得：
3.根据权利要求2所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述引导特征eguide，具体为：
4.根据权利要求3所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述门控语义特征提取模块用于目标语义特征利用特征图e4和特征eguide提取获得特征图利用特征图和特征图e3获取特征图利用特征图和特征图e2获取特征图具体为：
5.根据权利要求4所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：具体为：
6.根据权利要求5所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述第k个门限机制操作输出的特征，具体为：
7.根据权利要求6所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述细节特征提取模块利用特征图e1、提取目标浅层细节特征，获得特征图具体为：
8.根据权利要求7所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述解码器用于对特征图解码并聚合获得红外冰山图像中目标识别结果，具体为：
9.根据权利要求8所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述a3中的利用特征图和di获取特征图di-1，具体为：
10.根据权利要求9所述的基于自适应特征增强交互网络的红外冰山目标检测方法，其特征在于：所述adenet网络的损失函数为混合损失函数lossmix，具体为：
