智能抑制复杂空间背景下的红外弱小目标检测方法

在超远距离红外目标探测中,由于杂散光、探测器热传导及闪元盲元等复杂干扰,红外图像的背景常表现为非均匀性。同时,目标成像尺寸小,缺乏明显的形状和纹理特征,增加了检测与识别的难度。传统的特征提取方法易出现大量虚警,深度学习方法在特征提取方面具有优势,但在复杂背景干扰下训练难度较大。文中将计算机视觉领域中的背景重建问题与红外图像弱小目标检测任务相结合,提出了一种基于复杂背景智能抑制的红外弱小目标检测方法。
该方法采用编码器-解码器架构设计了红外场景优化编解码背景抑制网络模型,引入多级融合机制和残差融合模块以实现多尺度特征提取和多层次特征融合,并提出感知一致性损失函数提高背景重建的鲁棒性。通过背景残差抵消策略有效实现背景抑制,最终结合全局阈值分割完成弱小目标检测任务。实验结果表明,与对比方法相比,文中方法在抑制背景方面背景标准差最高降幅达43.41%,目标信噪比最高提升至110.0257。在目标检测方面,四组数据中检测率均超过95%,展现出优异的检测效果,具有较强的工程实用性,为复杂背景下的红外弱小目标检测任务提供了新的解决方案。