基于特征分离和全局上下文的红外小目标检测方法

摘要

针对基于单帧红外小目标检测存在的难题,提出一种基于特征分离和全局上下文的红外小目标检测方法.首先,针对小目标特征不足的问题,设计特征分离模块,通过中心差分卷积捕获目标背景对比度差异,结合快速Fourier卷积提取边缘梯度信息,实现目标特征与背景噪声的高效分离.其次,针对下采样导致特征丢失的问题,构建全局上下文提取模块,对深层特征进行跨尺度全局建模,防止目标特征在网络深层丢失.在多个公开数据集上的实验结果表明,该方法较AGPCNet,DNANet等先进算法在mIoU,nIoU和F₁指标上提升明显,优化了红外小目标检测算法性能,提升了复杂场景的感知能力.

关键词

小目标检测 / 红外图像 / 中心差分卷积 / 特征自适应 / 深度学习