面向红外地面目标检测与跟踪的多维复杂度在线表征方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Multi-Dimensional Complexity Characterization With Dynamic Fusion for Infrared Ground Target Detection and Tracking

　　

摘要：

量化红外地面场景复杂度对于客观算法评估、基准构建以及在线难度感知跟踪分析至关重要。由于存在热杂波、目标机动和特征退化等时变干扰，该任务极具挑战性，而现有指标大多是通用、单帧或事后分析的，缺乏诊断能力，无法捕捉瞬时任务难度。我们提出了一种用于红外地面目标检测与跟踪的多维复杂度表征算法，整合了三个核心维度以进行在线、可解释的评估。具体而言，一个注意力增强的 LSTM 网络自适应地聚合历史运动状态，并通过归一化预测误差量化运动不可预测性。一个具有分层多尺度感知和跨门控融合的三层特征编码网络提取鲁棒特征，通过层间集成和可靠性感知时域特征匹配，实现了对低信噪比、模糊红外目标的局部背景可疑性和目标特征退化量化。此外，一种基于 KDE 的动态信息融合机制通过统计基础权重、KDE 拟合的短/长窗口分布以及用于维度间协作的协同矩阵，自适应调整这三个维度，从而得出综合得分用于在线难度评估和易失效状态分析。在 Anti-UAV 数据集上使用 YOLOv5 和 LCT 跟踪器验证，所提方法在检测/跟踪性能相关性、趋势对齐和一致性方面普遍优于七种对比指标。RGB-T234 上的跨数据集实验进一步证明了所提复杂度度量与多样红外地面目标类别的下游性能之间存在有意义的关系。这项工作为难度感知跟踪自适应和公平算法……确立了实用基础。

显示更多