基于偏振增强特征与调控机制的红外舰船目标跟踪算法研究

针对红外舰船跟踪中偏振信息利用不足及噪声干扰等问题，南京理工大学团队提出PFRIT算法，通过改进Mueller矩阵整合偏振特征、构建双滤波器联合预测框架及候选目标机制，在自建ISTTB数据集（200序列/8万帧）上实现38 FPS高精度跟踪，显著提升复杂海况下的抗干扰能力。

　　

在复杂多变的海洋环境中，红外舰船目标跟踪技术是智能监控、精确制导等领域的核心挑战。传统可见光成像易受光照变化（illumination variation）和运动模糊（motion blur）干扰，而红外相机虽具备全天候优势，却面临海面偏振反射（polarization reverberation）导致的边界模糊、目标暗淡（dim target）及非正视成像（non side imaging）引发的偏振状态不一致等难题。现有基于相关滤波（CF）的跟踪器如STCACT虽引入时空正则化，仍存在偏振上下文利用不足和框架内噪声累积缺陷，导致跟踪漂移（tracking drift）和响应畸变（response aberrance）。

南京理工大学的研究团队在《Neurocomputing》发表论文，提出偏振增强特征与调控的红外跟踪器PFRIT。该研究通过改进Mueller矩阵构建偏振特征增强模块，设计双滤波器联合预测框架（dual filter structure）和候选目标机制，在自建ISTTB数据集上验证其性能。关键技术包括：1）基于改进Mueller矩阵的偏振掩模提取；2）融合偏振因子的自适应正则化联合预测框架；3）候选目标预测抑制响应畸变（通过∥e_k-e₁∥/e₁量化畸变程度）；4）构建含200序列的ISTTB基准数据集。

研究结果

1. 偏振特征增强模块：通过改进Mueller矩阵提取舰船掩模（ship mask），将偏振信息融入跟踪框架，解决传统方法对海面偏振反射（如边界模糊）的敏感性问题。
2. 联合预测框架：双滤波器结构结合自适应正则化项（含λ₁、λ₂系数），显著降低外观突变（appearance aberrance）和平面外旋转（out-plane rotation）的干扰。
3. 候选目标机制：通过动态筛选候选区域，将响应畸变降低至基线方法的1/3（实验显示∥e_k-e₁∥/e₁指标优化40%）。
4. ISTTB基准测试：与9种先进跟踪器（如SCSTCF、BAASR）对比，PFRIT在DP（distance precision）和AUC（area under curve）指标上分别提升15%和12%，实时性达38 FPS。

结论与意义
该研究通过偏振物理特性与机器学习框架的深度融合，首次系统性解决了红外舰船跟踪中的偏振信息利用瓶颈。PFRIT的创新性体现在：1）提出Mueller矩阵的工程化改进方案，为偏振特征建模提供新范式；2）双滤波器架构突破传统CF对目标动态假设的局限性；3）候选机制为复杂场景下的目标定位提供鲁棒策略。ISTTB数据集的发布填补了红外海事跟踪的评估空白。研究为智能航海、军事侦察等领域的实时目标跟踪提供了理论支撑和技术原型，相关正则化设计思路可扩展至其他特殊成像（如事件相机event camera）的视觉任务中。

（注：作者Zhiyu Zhu单位为南京理工大学，研究受国家自然科学基金61671222和62476113资助）