全频率分解与推理融合的隐蔽物体检测

《Pattern Recognition》：Full frequency decomposition and reasoning fusion for concealed object detection

　　

•全频分解模块，捕获互补的边缘与语义线索。
•推理融合模块，通过跨域信息交互对齐空间与频率特征。
•分割模糊损失，增强不确定边界区域的置信度。
•大量实验证明该方法在各个基准测试中取得了最先进的COD性能。

引言
隐蔽目标检测（COD）代表了计算机视觉领域一个至关重要但研究尚不充分的前沿 [1]、[2]、[3]，其任务是分割那些通过无缝融入周围环境展现刻意视觉欺骗的目标。与目标具有明显视觉显著性的传统分割任务不同，COD面临着目标在纹理、色度和拓扑结构上通过进化或人工模仿背景图案而产生的固有模糊性。COD的技术必要性源于其在跨学科领域的关键应用：在精准农业中，它能够实现隐蔽害虫（如与叶脉融合的叶蝉）的早期识别，从而减轻作物损失；在医学影像中，它通过在内窥镜分析中定位病理异常（如隐藏在结肠黏膜中的息肉）来提高诊断准确率。COD的传统方法主要依赖于手工特征工程，利用低级光度线索，如亮度梯度（例如Sobel边缘检测器）、色度对比空间（例如CIELAB色差）和纹理描述符（例如Haralick特征或Gabor滤波器组）。尽管这些方法在受控环境中取得了一定的成功，但它们对显式特征先验的依赖使其在真实世界条件下变得脆弱。相比之下，数据驱动的深度学习方法取得了显著的成功，包括模仿人类行为的策略，如放大策略 [4] 和两阶段方法 [5]，以及引入附加信息（如边界 [6]、[7]，深度 [8]、[9]，显著目标 [10]、[11] 和频率 [12]、[13]）来辅助隐蔽目标分割的方法。其中，基于频率的方法取得了卓越的性能，因为隐蔽目标在空间域中可能与背景纹理高度相似，但在频域中可能表现出不同的频率分布。高频分量和低频分量之间的差异可以帮助定位目标。

然而，现有的基于频率的方法存在明显的局限性。虽然频率信息（分为反映边缘和纹理等精细细节的高频分量，以及编码语义和结构信息的低频分量）已被证明是有效的，但当前的方法往往只提取部分频率特征或未能充分整合它们。例如，一些方法仅关注高频细节以增强边缘感知 [14]、[15]，而另一些方法则优先考虑低频语义以实现粗略定位 [13]。这种选择性利用导致了三个关键问题：第一，当前方法有选择地关注孤立的频段——要么优先考虑高频边缘 [14]，要么优先考虑低频语义 [13]。这忽略了多频段频率分量的互补性，而高频纹理和低频形状共同定义了隐蔽目标（图1）。因此，模型失去了分布在多个频段上的判别性线索。第二，空间编码的RGB特征与频率分析的分量表现出显著的语义差异——空间特征捕捉上下文关系，而频率特征强调局部模式。现有的融合策略无法对齐这些异质表示，导致边界细节和语义上下文整合不优化。最后，隐蔽目标通常表现出渐进的边界过渡（例如半透明纹理、渐变颜色混合），导致预测不确定性（概率接近0.5）。标准损失（如BCE、IoU）将这些模糊像素与自信区域同等对待，限制了边界精度。

在本文中，我们提出了一个整合全频率特征的COD模型。具体来说，我们引入了全频率分解模块（FFD），通过频域分析将图像特征逐层分解为多频段频率分量。该模块显式捕获高频分量中的微妙边缘细节和低频分量中的结构模式，有效解决了识别隐蔽目标的挑战，这些目标与其周围环境同时表现出细粒度纹理相似性和全局形状一致性。考虑到空间编码的图像特征与频率分析的分量特征之间的显著差异，我们提出了推理融合模块（RF），以渐进地对齐和整合这些异质表示。通过建立跨域注意力机制和多尺度特征推理路径，该模块弥合了空间和频域之间的语义鸿沟，实现了模糊区域判别特征的自适应融合。此外，我们提出了分割模糊损失（SAL）函数，以显式监督模型在边界关键区域的置信度。该损失在训练期间动态加权预测不确定性，迫使网络专注于优化表现出过渡特征的隐蔽目标的模糊像素，从而显著提高了遮挡边界处的分割精度。

我们的主要贡献如下：
•我们提出了一种FFD，通过频域分析系统地将图像特征分解为多频段频率分量。与先前的部分频率方法不同，FFD以分层方式显式捕获高频边缘细节和低频结构模式，解决了隐蔽目标中细粒度纹理相似性和全局形状一致性的双重挑战。
•我们设计了一个推理融合模块（RF），以解决空间编码的图像特征与频率分析的分量之间的语义鸿沟。通过整合跨域注意力机制和多尺度特征推理路径，RF实现了异质表示的自适应对齐和融合，增强了对模糊区域的判别特征学习。
•我们引入了SAL，在训练期间动态加权预测不确定性，专门针对隐蔽目标表现出过渡特征的边界关键区域（例如半透明纹理、渐变混合）。SAL迫使模型优化模糊像素的置信度，显著提高了遮挡边界处的分割精度。
•我们在四个COD基准（COD10K、NC4K、CAMO、CoCOD8k）上进行了大量实验，包括性能比较、消融实验和边界敏感分析。我们的方法取得了最先进的结果，在边界感知指标（如??????和????）上取得了尤为显著的提升，展示了在多样化伪装场景中的鲁棒性。

章节片段
隐蔽目标检测
由于区分与周围环境无缝融合的目标存在固有的困难，伪装目标检测已成为计算机视觉领域一项独特而具有挑战性的任务。如今，计算资源、数据收集方法和特征提取技术的进步促进了从传统手工特征生成 [16] 向现代数据驱动深度学习方法的显著转变。为了推进...

总体框架
我们提出的模型架构如图2、图3所示。给定一幅彩色图像 ??????????∈???×??×3，其中 ?? 代表高度，?? 代表宽度，3 代表通道数，我们的目标是学习数据的多源表示。为了实现这一点，我们利用全频率信息作为额外线索来辅助分割。因此，我们设计了全频率分解模块（FFD），该模块采用多级分解策略以保留多样化的频率...

数据集和评估指标
为了验证模型的有效性，我们在四个数据集（COD10K [10]、NC4K [34]、CoCOD8k [35]和CAMO [17]）上进行了大量实验，并使用了七项评估指标：??、????、??????、??????、??????、??????、??????。COD10K是目前最庞大的数据集，展示了多样化的隐蔽场景。它包括从各种开放获取摄影网站收集到的10,000幅图像，涵盖10个超级类别和78个子类别。NC4K包括4121幅隐蔽图像...

结论
在本文中，我们提出了一个用于精确COD的全频率表示框架。具体来说，我们引入了FFD模块，将隐蔽目标图像分解为互补的频率分量，并保留全频带的判别性线索。为了更好地整合异质的空间和频率表示，我们进一步设计了RF模块来建模它们的交互并改善跨域特征融合。此外，我们引入了SAL来抑制模糊 CRediT作者身份贡献声明中的不确定预测

CRediT作者身份贡献声明
Feng Xiao：写作 – 审稿与编辑，写作 – 初稿，验证，方法论，形式化分析，数据管理。Peihua Han：可视化，监督，数据管理。Jianhua Zhang：验证，资源。Shengyong Chen：可视化，验证，软件，形式化分析。Houxiang Zhang：可视化，验证，监督，方法论，形式化分析，数据管理。

利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Houxiang Zhang 报告称挪威科技大学提供了财务支持。如果有其他作者，他们声明他们没有已知的、可能影响本文所报告工作的竞争性财务利益或个人关系。

Feng Xiao|Peihua Han|Jianhua Zhang|Shengyong Chen|Houxiang Zhang