基于信息补偿的红外弱小目标检测方法
作者机构:酒泉卫星发射中心 中北大学计算机科学与技术学院 中北大学电气与控制工程学院
出 版 物:《计算机应用》 (Journal of Computer Applications)
年 卷 期:2024年
学科分类:080901[工学-物理电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080203[工学-机械设计及理论] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0803[工学-光学工程]
基 金:山西省基础研究计划资助项目(202303021211147) 山西省专利转化专项计划项目(202302001)
主 题:目标检测 红外弱小目标 信息补偿 全局目标响应 非对称交叉融合
摘 要:针对红外弱小目标容易在网络迭代过程中损失纹理细节信息,从而导致目标定位和轮廓分割的准确性受到限制的问题,提出一种基于信息补偿的红外弱小目标检测方法。首先利用图像特征提取模块编码红外源图像的浅层细节及深层语义特征;其次构建多级信息补偿模块通过聚合相邻级别的特征对编码阶段下采样后的特征进行信息补偿;引入全局目标响应模块联合特征图的全局上下文信息对卷积局部性的限制进行补偿;最后构建非对称交叉融合模块对浅层和深层特征进行融合,实现目标解码时纹理信息与位置信息的保留,完成对红外弱小目标的检测。所提方法在公开的NUAASIRST(Nanjing University of Aeronautics and Astronautics-Single-frame InfraRed Small Target)和NUDT-SIRST(National University of Defense Technology-Single-frame InfraRed Small Target)混合数据集上进行训练和测试,实验结果表明,与UIUNet(U-Net in U-Net Network)、LSPM(Local Similarity Pyramid Modules)、DNANet(Dense Nested Attention Network)等方法相比,所提方法在交并比(IoU)上分别提高9.2、8.9和5.5个百分点、Fmeasure上分别提高6.0、5.4和3.1个百分点。证明所提方法对红外复杂背景图像中的弱小目标可以实现准确检测和有效分割。