基于多方向导数联合对比度测量的红外小目标检测方法研究

为解决复杂背景下红外小目标检测易受边缘、角点等结构化噪声干扰的问题，研究人员提出了一种基于多方向导数联合对比度测量（MDCM）的新方法。通过融合二阶导数特征（DSMWPD）和局部对比度加权交叉差异（LCMWCD），显著提升了目标在复杂背景中的显著性，实验证明该方法在多种挑战性场景下优于现有算法，为红外搜索与预警系统提供了更鲁棒的解决方案。

　　

在军事侦察、导弹制导等关键领域，红外小目标检测技术（Infrared Small Target Detection, IRST）的性能直接关系到系统的预警能力和作战效能。然而，当目标距离较远时，其在红外图像中往往仅占据不足80像素（约0.15%的图像面积），且易被云层、建筑等复杂背景的热辐射噪声淹没。更棘手的是，传统方法依赖单一特征（如灰度对比度或梯度方向）难以区分目标与高亮度边缘、角点噪声（PNHB），导致虚警率居高不下。

针对这一挑战，国内某研究机构的研究团队创新性地提出了多方向导数联合对比度测量（Multidirectional Derivative Joint Contrast Measure, MDCM）框架。该方法通过融合二阶导数特征与强度对比信息，在复杂背景下实现了对小目标的高精度检测，相关成果发表在《Optics》期刊。

研究采用三大关键技术：首先利用Facet模型提取图像在0°、45°、90°、-45°方向的二阶导数（MSOD），构建导数显著性加权峰值差（DSMWPD）以抑制边缘噪声；其次基于目标强度分布设计局部对比度加权交叉差异（LCMWCD），通过各向异性惩罚项削弱角点干扰；最终通过多尺度融合与自适应阈值分割实现目标提取。

Proposed algorithm
研究通过二阶导数分析发现，小目标在MSOD域呈现显著的各向同性峰值特征，而背景边缘则表现为方向一致性。DSMWPD通过加权四方向导数差异，使目标信噪比提升3.2倍；LCMWCD则利用十字形邻域对比度计算，将角点虚警率降低67%。

Experimental results and discussion
在包含云层、城市热岛等复杂场景的测试集中，MDCM的检测率（Pd）达98.7%，较传统方法（如IPI模型、GISM）平均提升12.5%，且运行时间控制在150ms/帧内，满足实时性需求。

Conclusion
该研究首次将Facet模型与多方向对比度惩罚机制相结合，通过DSMWPD和LCMWCD的协同作用，有效解决了边缘与角点噪声的共抑制难题。相比深度学习方案（如U-Net嵌入梯度模块），MDCM具有更好的可解释性和计算效率，为资源受限场景提供了实用化解决方案。论文通讯作者Dongsheng Yang指出，该方法未来可扩展至多光谱融合检测领域。