基于物理特性的红外微小目标特征解耦方法:一种采用双几何结构引导的专家网络

《Knowledge-Based Systems》:Physics-Driven Feature Decoupling for Infrared Small Targets: A Dual Geometry-Guided Experts Network

【字体: 大 中 小 】 时间:2026年01月16日 来源:Knowledge-Based Systems 7.6

编辑推荐:

  红外小目标检测中,提出基于混合专家网络(MoE)的DGGENet架构,通过目标背景解耦模块(TBDM)实现几何引导特征路由,结合鲁棒主成分分析(RPCA)优化背景和目标子空间表示,并利用状态空间模型(SSM)进行跨融合,有效解决传统方法中目标与背景特征纠缠问题,在两种数据集上达到96.10%和69.39%的mIoU,验证其高效性和实时性优势。

  
作者:吕玉冰、刘平平、张同顺、李傲华、周秋湛
所属机构:吉林大学计算机科学与技术学院,地址:长春市,邮编130012,省份:吉林,国家:中国

摘要

红外小目标检测(ISTD)对自主系统而言是一个关键的状态估计挑战,其核心挑战在于如何可靠地识别被复杂背景杂乱遮挡的微弱、低对比度的目标。传统的深度学习方法存在目标与背景特征之间的纠缠问题,这限制了检测的效率和稳定性。为了解决这一问题,我们提出了双几何引导专家网络(DGGENet),这是一种基于专家混合(MoE)范式的新型架构。DGGENet的创新之处在于其目标-背景解耦模块(TBDM)。TBDM采用了一种几何引导的动态路由机制,作为自适应的门控网络。该门控网络持续分析输入特征,动态地划分出两个专门的专家组:一个专注于目标通道,另一个专注于背景通道。每个组都针对其分配的特征子空间进行专门处理。在鲁棒主成分分析(RPCA)原理的指导下,组间专家迭代促进了低秩背景和稀疏目标的表示。随后,一个交叉融合模块作为状态反馈,使得优化后的表示在语义上保持一致。这种闭环交互明确地模拟了目标与背景之间的相关性,确保了最终输出的一致性和稳定性,并产生了有效解耦的特征表示。综合评估表明,将TBDM集成到U-Net架构中(即DGGENet)在现有基准测试中取得了优异的性能,在NUDT-SIRST数据集上达到了96.10%的mIoU分数,在IRSTD-1K数据集上达到了69.39%的mIoU分数。此外,TBDM证明是一个通用组件,能够提升多种ISTD框架的性能,凸显了其在不同检测范式中的广泛应用性。

引言

红外成像技术因其照明独立性和抗干扰能力,在军事侦察、安全监控[1]、工业检测[2]、图像融合[3][4][5]以及低光增强[6]等领域提供了关键的感知能力。然而,可靠地检测具有微弱特征的亚像素目标仍然是一个重要的感知瓶颈。这一挑战从根本上阻碍了依赖于精确环境感知的闭环决策和行动系统(如自动化威胁响应、智能导航)的鲁棒性和适应性。红外小目标检测(ISTD)任务在存在显著不确定性、噪声和动态干扰的情况下,构成了一个高风险的状态估计和信号提取问题。
早期的物理模型耦合方法(例如低秩稀疏分解(LSD)[7][8])类似于基于模型的控制器,依赖于显式的物理先验(系统识别)和迭代优化来实现目标分离。然而,它们的计算强度和对参数调整的敏感性限制了它们在动态变化的操作环境中的实用性。深度学习(DL)的出现带来了数据驱动的自适应控制器的希望。然而,主流的端到端DL架构(例如U-Net变体[9][10])通常表现为不透明的黑箱调节器。它们对复杂的全局特征聚合的依赖经常导致不稳定性,表现为高误报率和漏检。后续基于LSD的DL方法[11]采用了改进的系统模型(低秩+稀疏),但通常将分解视为固定的回归任务,缺乏根据场景变化进行在线模型调整或参数调整的能力。基于Transformer的模型[12][13]的O(N2)复杂度阻碍了实时处理,而过度平滑则抑制了微弱目标。扩散模型[14]的迭代细化(>100步)会导致过高的延迟和背景伪影。RNN[15]受到梯度衰减的影响,削弱了长期的时间连贯性。
深度展开网络(DUN)[16]标志着向可解释的控制设计迈出的重要一步。通过将迭代优化算法展开到神经网络层中,DUN明确构建了一个多阶段、可解释的反馈控制循环,有效地将模型驱动的洞察与数据驱动的学习相结合。关键的是,DUN的逐层结构与ISTD核心的交替优化策略具有内在兼容性。
然而,DUN的实际应用揭示了一些限制,阻碍了其在网络中的采用:(1)计算复杂性:其展开结构中固有的固定矩阵运算会导致显著的、通常是非线性的计算开销,特别是在高分辨率图像或嵌入式平台上,阻碍了实时处理。(2)表示效果不佳:现有的参数学习策略往往无法充分模拟复杂红外场景中的内在空间相关性,导致正则化效果不佳。这需要复杂的调整,并削弱了它们对不同背景杂乱和目标特征的适应性和鲁棒性,表现为检测性能不稳定(高误报率和漏检)。
专家混合(MoE)[17]范式作为一个有前景的框架出现,可以直接解决这些瓶颈。MoE用一组动态的专用子网络(专家)和一个智能门控网络替代了单一的处理方式。MoE相对于DUN有两个关键优势:(1)通过稀疏激活实现自适应计算:门控网络仅将输入动态路由到最相关的专家,使得计算能够随着输入复杂性的增加而高效扩展。(2)增强表示:通过将专家专门用于任务的特定方面,MoE促进了更专注和有效的复杂特征分布建模,提高了鲁棒性,并减少了复杂调整的需求。
基于MoE的自适应控制原理,我们提出了双几何引导专家网络(DGGENet,如图2所示),专门设计用于克服先前ISTD方法的局限性,包括DUN和早期的基于RPCA的方法。DGGENet的核心创新是目标-背景解耦模块(TBDM),它实现了为ISTD量身定制的MoE架构:
基于物理的动态路由用于稀疏分解:TBDM采用红外物理信息驱动的选择路由器作为自适应门控机制。与通用的MoE门控不同,这些路由器通过显式量化红外场景中的空间分布差异和语义显著性来动态分析输入特征。这种基于物理的在线分析实现了稳健的特征通道划分,将特征路由到两个专门且互补的专家子空间:一个以背景为主导的专家和一个以目标为主导的专家。这种在特征层面的显式解耦是基础。子空间特定的RPCA优化:在每个专家子空间(背景或目标)内,基于RPCA的特征解耦机制作为专用子控制器。RPCA优化利用了物理引导路由器建立的强子空间先验。以背景为主的专家更有效地促进了低秩结构;以目标为主的专家则专注于其子空间内的稀疏残差,实现了更精细的目标提取。这种受子空间约束的协作优化比全局应用RPCA或在结构较少的网络中应用RPCA要高效和准确得多。通过状态空间模型(SSM)进行的状态反馈:基于SSM的交叉融合模块作为专家之间的自适应反馈控制器。它接收来自两个专家的优化状态估计(精炼后的背景和目标表示)。与标准MoE中的简单输出组合不同,该模块明确模拟了这两种状态之间的相关性和依赖性(例如,确保目标相对于重构的背景是稀疏的异常值)。通过SSM内部反馈促进的语义一致交互,该模块强制实现了最终检测输出的全局一致性和稳定性,有效缓解了黑箱模型中常见的不稳定性(误报/漏检)。
基于实现任务专用MoE的TBDM模块,结合了基于物理的路由、子空间优化的RPCA和基于SSM的状态反馈,DGGENet采用了五层对称的编码器-解码器结构,作为整体处理框架。
扩散模型和深度展开网络通常依赖于外部迭代细化,需要T_s个顺序步骤;因此,推理成本大致与T_s成线性关系,当需要许多步骤时可能会阻碍部署。相比之下,DGGENet执行单次推理:MoE路由鼓励目标/背景的专门化,而SSM在一个前向传递中模拟了全局依赖性。尽管SSM增加了每层的适度开销,但它避免了累积的迭代成本,并且产生的延迟可预测,主要由固定的网络深度决定。
与最先进(SOTA)算法的视觉比较如图1(a)所示。x轴和y轴分别代表IRSTD-1k和NUDT-SIRST数据集上的mIoU指标。每个圆的大小对应于模型的参数。具体来说,许多高性能架构(例如重型CNN/Transformer混合体)倾向于增加网络深度/宽度,以同时适应弱目标和复杂背景,这通常会导致参数和计算量的大幅增长。相比之下,我们基于MoE的路由明确鼓励专门化,从而可以在不 proportional 增加模型深度的情况下实现竞争性的准确性。
本文的主要贡献如下:
• 提出了一种端到端的ISTD模型DGGENet,结合了红外物理原理和基于几何的深度特征。
• 提出了TBDM,通过通道路由、RPCA专家和交叉融合实现了自适应的子空间分离和融合。
• 广泛的实验表明,DGGENet超过了SOTA指标,而TBDM作为一个通用组件,提升了现有ISTD方法的性能。

部分摘录

红外小目标检测

红外小目标检测(ISTD)方法已经从依赖手工特征的传统方法[18][19][20]发展到显著提高性能和泛化的深度学习范式。在基于CNN的架构领域,DNANet[9]促进了密集的多尺度特征交互,AGPCNet[10]利用注意力机制进行区分性聚焦,ALCLNet[21]将局部对比学习与保持特征的骨干网络相结合。

双几何引导专家网络

DGGENet的架构如图2(a)所示。DGGENet采用了一个修改过的U形编码器-解码器架构,具有对称的五层结构。在编码阶段,每个阶段都使用BasicBlock后接MaxPool下采样,以减少参数冗余并产生初始的多尺度特征表示。如图2(b)所示,TBDM(目标-背景解耦模块)结合了几何路由机制、一个专家组和一个交叉融合模块

实验细节

在实验中,我们使用了两个公共数据集:IRSTD-1K[27]和NUDT-SIRST[9],每张图像的大小调整为256×256。评估使用了五个指标:模型参数(M)、计算复杂性(FLOPs)、平均交并比(mIoU)、检测概率(Pd)、误报率(Fa)。实验在RTX 4090 GPU上进行,使用PyTorch框架,批量大小为8,训练周期为800次。我们采用了Adam优化器,初始参数...

结论

我们提出了一个双几何引导专家网络(DGGENet),它结合了几何约束和物理原理。该网络动态地将特征通道划分为由目标和背景主导的互补子空间。在NUDT-SIRST和IRSTD-1K数据集上评估时,分辨率分别为256×256,该框架分别实现了96.10%和69.39%的mIoU,建立了一个超越传统数据驱动方法的物理引导深度学习架构

CRediT作者贡献声明

吕玉冰:写作 – 审稿与编辑,撰写原始草稿,软件实现,方法论设计。 刘平平:监督,调查。 张同顺:验证,方法论设计,数据整理。 李傲华:验证,监督。 周秋湛:监督。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号