摘要
红外小目标船舶检测对于海上监视与预警至关重要。然而，低亮度、低像素量的船舶极易与海杂波和传感器噪声混淆。现有多尺度网络虽可增强局部响应并聚合上下文特征，但密集跨尺度交互会传播这些杂波响应，而掩码级监督又无法清晰区分船舶与类目标背景。为了解决这一问题，我们提出了一种基于语义距离对齐与局部证据选择的新颖红外小目标船舶语义分割方法——TALES-Net，该方法由局部证据选择模块（LESM）和语义距离对齐损失（SDAL）组成。LESM通过稀疏跨尺度通道交互和空间门控解码增强中心-周围对比度，并有选择地传播可靠证据。SDAL将船舶特征吸引至可学习的目标原型，同时抑制类目标背景特征。我们提出的TALES-Net方法有效增强了区分弱目标船舶与杂波背景的能力，从而提升了其在红外小目标检测中的内部表征能力。在IRS-Ship数据集上的实验及对照消融研究表明，TALES-Net在有效提高目标分割概率的同时，保持了较低的虚警率。在IRS-Ship数据集上的大量实验表明，TALES-Net的像素准确率（pixAcc）、前景交并比（IoU）、目标检测概率（PD）和虚警率（FA）分别达到95.84%、91.70%、87.70%和0.42%。这些结果表明，LESM和SDAL能有效提高弱目标船舶的敏感度，并在复杂海杂波条件下抑制虚警。
