《Digital Signal Processing》:Research on Infrared Small Target Detection Technology Based on DCS-YOLO Algorithm
编辑推荐:
红外小目标检测中存在弱特征、复杂背景干扰及高计算成本问题。本文提出DCS-YOLO框架,通过类-aware自监督语义融合模块(CSSFM)增强弱特征感知,双域自适应增强模块(A2C2f_DDA)抑制背景干扰并提取高频特征,多维度选择性特征金字塔网络(MSFPN)实现三维协同特征融合。集成轻量化组件GSConv、VoVGSCSP、LSCD-Detect以降低计算开销,在IRSTD-1K、RealScene-ISTD、SIRST-v2数据集上mAP@0.5达80.7%、90.2%、93.3%。
孟音|孙冰河|王如刚|王圆圆|周峰|边学胜
江苏省盐城市盐城工学院信息工程学院,Hope Avenue Middle Road,224051,中国
摘要
为了解决红外小目标特征弱、易受复杂背景干扰以及现有专用检测模型计算成本高的问题,本文提出了双域融合与类感知自监督YOLO(DCS-YOLO)算法。该框架利用双域特征融合和类感知自监督学习进行语义增强。在特征提取过程中,类感知自监督语义融合模块(CSSFM)采用类感知自监督架构作为深度语义引导,生成具有区分性的语义特征,从而提高对微弱目标特征的感知能力。此外,还设计了双域感知增强模块(A2C2f_DDA),该模块分析小目标的高频成分,并采用空频域特征互补融合策略,在抑制背景杂乱的同时增强特征捕捉能力。对于特征上采样和融合,多维选择性特征金字塔网络(MSFPN)采用频域、空间和通道三维协同选择机制,结合深度语义信息,提升复杂场景下的检测性能。同时,引入了GSConv、VoVGSCSP和LSCD-Detect等轻量级组件,以降低计算复杂度和模型参数数量。在IRSTD-1K、RealScene-ISTD和SIRST-v2数据集上的全面评估表明,该算法的有效性分别达到了80.7%、90.2%和93.3%的mAP@0.5分数。结果表明,该算法有效利用了频域分析和语义增强,在保持准确性和计算成本之间取得了良好的平衡。
引言
目标检测是计算机视觉领域中的关键技术之一,主要关注在图像中定位和识别目标。由于基于可见光图像的目标检测方法具有高度直观性和易获取性,因此得到了广泛应用[1]、[2]、[3]、[4]。然而,在低光照条件或恶劣天气下,可见光图像的成像质量会显著下降,导致性能大幅降低,从而限制了其实际应用。红外成像技术通过捕捉目标的热辐射信息成为了一种可行的替代方案。红外图像中的目标检测逐渐成为研究焦点,但它通常受到信噪比低和目标特征弱等固有限制。红外小目标(IRST)的检测尤其具有挑战性,需要进一步的研究和探索。
早期的IRST检测方法主要依赖于传统算法,如滤波、局部显著性和低秩分解。然而,这些方法依赖于手工制作的特征,因此在复杂背景中表现不佳,限制了其实际应用。为了克服这些限制,研究人员转向了基于深度学习的方法。然而,红外小目标在复杂背景中的特征本身就很弱,加上大量杂乱信息,使得检测变得非常困难。通用目标检测器(如YOLO、DETR)往往无法达到满意的性能。相反,一些专门的方法将任务表述为语义分割,但这通常会导致较大的计算开销,阻碍了其在实际场景中的应用。
为了解决“特征弱且背景干扰强”和“实际应用困难”这两个双重挑战,本文提出了基于双域特征融合和类感知自监督语义增强的DCS-YOLO框架。在YOLOv12n架构的基础上,DCS-YOLO加入了三个专为IRST设计的组件:类感知自监督语义融合模块(CSSFM)、双域感知增强模块(A2C2f_DDA)和多维选择性特征金字塔网络(MSFPN)。CSSFM旨在构建深度语义引导,生成具有区分性的语义特征,从而提高模型对低对比度目标的感知能力和抗背景干扰的能力。A2C2f_DDA模块建立了频域特征提取器,专注于解析高频成分,并结合空频域特征自适应融合机制,增强模型捕捉微小目标高频特征的能力。MSFPN采用通道-空间-频率三维协同选择机制,利用深度语义信息实现语义-频率重要性和空间-几何特性的双重增强,进一步提高模型在复杂场景中的检测精度。最后,引入了GSConv、VoVGSCSP和LSCD-Detect等轻量级组件,以减少模型参数数量和计算开销,同时保持性能。实验表明,与现有主流方法相比,我们的模型在IRSTD-1K、RealScene-ISTD和SIRST-v2数据集上实现了更优的检测精度和计算效率。
本研究的主要贡献如下:
1.我们提出了CSSFM模块,它对深度区分性语义特征进行精细化处理并反馈到上采样路径,有效增强了红外小目标的特征提取能力,解决了复杂背景中特征弱的关键问题,显著提升了性能。
2.我们开发了A2C2f_DDA模块,通过分析高频成分实现空频双域交互机制,增强了网络捕捉小目标特征的能力,同时有效减少了来自复杂背景的干扰。
3.我们引入了MSFPN,它利用通道-空间-频率三维协同选择机制实现多维特征的有效融合,充分利用了不同层次和维度特征的互补优势,进一步提升了模型的整体检测性能和鲁棒性。
4.我们整合了GSConv、VoVGSCSP和LSCD-Detect等轻量级结构,显著减少了模型参数规模和计算成本,对性能影响最小,提高了其实际应用价值。
章节摘录
传统方法
早期的红外小目标检测方法主要依赖于模型构建,然后对目标与背景之间的差异进行定量分析。例如,张玉婷等人提出了一种基于解释性加权稀疏性(IWS)的红外小目标检测方法[5]。该方法旨在通过多子空间分析,在低信噪比和复杂背景条件下实现高鲁棒性的红外小目标检测和杂乱抑制。
DCS-YOLO算法模型分析
如前述分析所示,基于深度学习的YOLO目标检测算法近年来取得了显著的研究进展。其中,作为该系列的最新发展,YOLOv12因其高效的网络架构和优异的速度-精度权衡成为目标检测的主流基准之一,其模型结构如图1所示。然而,当直接应用于红外小目标检测任务时
实验数据集
为了验证所提出方法的有效性,使用了三个数据集进行实验:IRSTD-1K、SIRST-v2和RealScene-ISTD [23]、[24]、[25]。其中,IRSTD-1K包含1000张红外图像,大约75%的图像非常小,像素占比不到图像总像素的0.02%。所有数据集都提供了像素级注释,涵盖了城市环境(建筑物、道路)和自然景观(森林、水域)等场景。
局限性讨论
尽管DCS-YOLO算法表现出色,但仍存在一些局限性:(1)双域模块的潜在缺点:这项研究的局限性源于频域分析模块的固有特性。虽然频谱使用可学习的频域权重进行调制,但快速傅里叶变换(FFT)本身是一种无偏变换工具,会同等强调小目标的高频特征
理论意义与实际价值
本研究系统地解决了红外小目标检测中“特征弱”和“应用困难”这两个挑战。核心理论贡献在于构建了一个分层特征增强系统,推动检测范式从传统的“空间域建模”向“语义引导的空间-频率协同感知”演变。通过引入CSSFM,构建了深度语义引导,解决了
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究工作。