用于伪装目标检测的拉普拉斯边界感知和高分辨率网络

《Digital Signal Processing》：A Laplacian Boundary Awareness and High-Resolution Network for Camouflaged Object Detection

　　

摘要

伪装目标检测（COD）旨在识别并分割视觉上融入周围环境的目标，由于目标与背景在外观、纹理和语义上高度相似，这带来了显著挑战。现有的COD方法通常依赖下采样操作来降低计算成本，但这不可避免地导致空间细节和边界信息的丢失。此外，对结构先验的有限建模也损害了目标边界的精确定位，尤其是在存在遮挡、轮廓模糊和低对比度的复杂场景中。为解决这些问题，我们提出了LHRNet，这是一种受生物视觉机制启发的全新COD框架，特别借鉴了人类在关注中心精细细节的同时对边界结构保持敏感的能力。我们的设计包含两个关键组件：（1）高分辨率特征融合模块（HRFM），通过自底向上的多尺度对齐和特征融合逐步恢复空间结构，在保留纹理的同时增强语义表示；（2）拉普拉斯边界感知模块（LBAM），构建多尺度拉普拉斯金字塔以提取高频边缘先验，引导网络聚焦于边界区域并抑制背景噪声。在三个具有挑战性的基准数据集——COD10K、CAMO和NC4K——上进行的大量实验表明，LHRNet显著优于现有最先进方法，特别是在边界描绘和细粒度结构恢复方面。

引言

伪装目标检测（COD）是指识别并分割无缝嵌入周围环境、通常与背景表现出强烈视觉相似性的目标的任务。这类目标既包括自然伪装动物——如变色龙和比目鱼——它们通过改变自身外观、颜色或纹理来融入环境[1]，也包括人工伪装，如穿着迷彩服的士兵或隐藏在茂密植被中的捕食者[2]。这些目标与环境之间的极低视觉对比度使其难以检测，即使对于人类观察者或传统目标检测算法也是如此。因此，COD在计算机视觉领域引起了越来越多的关注，展示了其在广泛现实应用中的潜力，包括搜救任务[3]、生物多样性和野生动物监测[4]、医学图像分析（如息肉检测、肺部病灶分割）[5]、工业缺陷检测[6]等。早期的COD方法主要依赖手工设计的特征，如纹理线索[7]、运动模式[8]和三维形状先验[9]。这些方法通常依赖于预定义阈值和特征描述子，因此对光照变化、遮挡和复杂伪装等环境变化高度敏感，最终导致检测精度有限。随着深度学习的出现，基于卷积神经网络（CNN）的方法已成为COD的主流范式。近年来的工作整合了注意力机制[10]、多任务学习框架[11],[12],[13]以及生物启发的视觉线索[2],[14],[15]，以增强模型辨别伪装目标与背景之间细微视觉差异的能力。这些策略显著提高了在挑战性场景下的检测鲁棒性和语义理解能力。然而，传统CNN本质上受限于局部感受野，这限制了其建模长距离依赖和全局上下文的能力。因此，在严重遮挡、模糊边界或稀疏语义线索条件下，它们往往难以精确定位伪装目标。近年来，基于视觉变换器（ViT）的方法已被引入伪装目标检测（COD），利用多头自注意力（MHSA）机制来建模跨区域的长距离依赖。这使模型能够更好地捕捉全局上下文信息。与CNN相比，ViT在建模远程关系方面表现出明显优势，并在复杂背景中实现了更优的检测性能。近年来，COD领域取得了长足进展。然而，大多数现有方法依赖对输入图像进行下采样以减轻计算成本，这不可避免地导致细粒度高分辨率细节的丢失。因此，这些方法在复杂场景中表现出信息退化，并在准确描绘目标边界方面能力有限，导致某些伪装目标与其杂乱背景难以区分。此外，当前模型很少结合先验知识来增强特征表示。我们的实验表明，高分辨率特征对于捕捉伪装目标中的细微语义线索至关重要。然而，仅依赖高分辨率信息仍不足以实现精确的目标-背景分离。为增强边界感知，我们引入拉普拉斯边界信息作为先验知识，以引导网络聚焦于高频边缘区域。与传统的边缘感知方法将边界建模视为额外预测任务并依赖边缘真值监督不同，我们框架中的拉普拉斯特征由固定的微分算子直接生成。这种设计消除了对额外边界标注的需求，并避免了引入额外的监督目标。拉普拉斯算子对高频不连续性具有强烈响应，能够更准确地提取高分辨率图像中的细粒度边缘特征。通过联合建模高分辨率输入和拉普拉斯边界线索，所提出的模型实现了更清晰的目标轮廓，并有效抑制背景干扰，从而在复杂场景中更可靠地分离伪装目标，如图1所示。为解决这些挑战，我们提出了一种用于COD的拉普拉斯引导高分辨率网络（LHRNet）。本工作的主要贡献总结如下：

(1)设计了高分辨率特征融合模块（HRFM），通过自底向上的多层级上采样和卷积融合，将深层低分辨率语义特征逐步映射到高分辨率空间。这与浅层纹理细节对齐，以保留目标的关键纹理和结构信息，为后续边界建模提供细粒度特征支持。

(2)提出了拉普拉斯边界感知模块（LBAM），基于拉普拉斯金字塔从图像中提取多尺度高频边缘先验。通过将边缘特征与深层语义特征显式融合，引导网络聚焦于伪装目标的边界区域，显著提高对弱对比度和模糊边界目标的定位和分割精度。

(3)构建了拉普拉斯边界引导的高分辨率伪装目标检测网络（LHRNet），在保留高分辨率细节和全局语义上下文之间取得平衡，实现更精确地从复杂背景中分离伪装目标。实验结果表明，所提出的方法在多个COD基准数据集（包括COD10K、CAMO和NC4K）上取得了显著的性能提升。

章节片段

伪装目标检测

COD是计算机视觉领域的一个重要研究课题。早期方法，如SINet [2]，提出了一种包含搜索模块和识别模块的双分支框架，以粗略定位潜在的伪装区域并抑制外观相似的背景干扰物。在此思想基础上，PFNet [14]通过引入定位与细化策略以及干扰挖掘机制来模拟动物的捕食行为，这显著改善了

概述

本文提出了LHRNet，一种用于COD的拉普拉斯引导高分辨率网络。模型的总体架构如图2所示。主要思想是通过整合边界感知同时保留高分辨率细节，来提高模型检测伪装目标的能力。具体而言，输入图像 $I\in {\mathbb{R}}^{3\times H\times W}$ 首先输入到PVT-v2骨干网络[39]中，以提取多尺度特征 $\mathcal{F}=\{f_1,f_2,f_3,f_4\}$，其中 f₄ 表示最深层的语义表示。为了提高

数据集

为全面评估所提出的LHRNet模型的性能，我们在三个广泛使用的伪装目标检测（COD）基准数据集上进行训练和测试：CAMO、COD10K和NC4K。CAMO是第一个引入的COD数据集，包含总共1,250张带伪装目标的图像，其中1,000张用于训练，其余250张用于测试。COD10K目前是伪装检测领域最大的数据集之一，涵盖了多样化的范围

结论

本文提出了一种高分辨率伪装目标检测网络，称为LHRNet，由拉普拉斯边界线索引导。通过结合高分辨率特征融合模块（HRFM）和拉普拉斯边界感知模块（LBAM），LHRNet有效增强了模型捕捉细粒度目标边界和结构细节的能力。大量实验表明，LHRNet在多个COD基准数据集上取得了最先进的性能，验证了其

利益冲突声明

作者声明没有与本文章内容相关的竞争利益。

Yumei Zheng|Guibin Hu|Jiabao Wu|Bochuan Zheng