用于红外小目标检测的任务对齐对比高斯学习网络

《Knowledge-Based Systems》：Task aligned contrastive Gaussian learning network for infrared small target detection

　　摘要红外小目标检测（IRSTD）仍然充满挑战：目标仅占据少数像素，且容易淹没在高亮度杂波中，导致标准边界框检测器在亚像素偏移下严重退化。现有方法还存在分类与定位目标不一致的问题，并且缺乏对困难负样本杂波的显式排斥机制。我们提出了任务对齐对比高斯网络（TACG-Net），将边界框建模为二维高斯分布，并采用归一化沃瑟斯坦距离（NWD）来缓解IoU在小尺度下的脆弱性；引入任务对齐高斯软标签（TAG-SL），通过自适应软标签将分类置信度与几何对齐耦合；并采用对比高斯学习（CGL）挖掘局部困难负样本，在几何空间中建立吸引–排斥力场。在IRSTD-1 K、NUAA-SIRST和NUDT-SIRST上，TACG-Net的F1分数分别达到0.838、0.941和0.956，平均超越先前最先进方法MPCNet 3.7个百分点，同时保持具有竞争力的7.9毫秒推理时间。代码和数据可在 https://github.com/DAIDEEN/TACG 获取。引言红外小目标检测（IRSTD）是地面监视、预警系统和精确制导的基础技术[1],[2],[3]。与依赖于丰富纹理和形状信息的常规目标检测不同，IRSTD表现出严重的结构复杂性，因为目标极为微小且特征维度稀疏。占据图像面积不足0.12%且缺乏纹理或形状信息的目标传统上被定义为红外小目标[4]，由此产生了极端的背景-前景不平衡[1]。实际红外场景还受到传感器噪声、云层边缘和海面反射的进一步退化，导致信号杂波比（SCR）非常低[5]。在这种条件下，小目标很容易被背景遮蔽。最近，深度学习方法通过数据驱动的特征提取推动了IRSTD的发展[6]。大多数最先进的方法将该任务建模为像素级语义分割，以保留高频目标细节[7],[8],[9],[10]。然而，基于分割的范式面临严重的工程挑战：逐像素密集预测在高分辨率下带来沉重的计算开销和高延迟[11]，且语义掩码本质上缺乏实例区分能力[12],[13]。对于需要快速响应和实例级跟踪的防御应用，升级到基于边界框的检测框架是一条更高效的途径[12],[14]。尽管基于检测的方法在计算上具有吸引力，但直接将通用目标检测器移植到IRSTD暴露出三个关键瓶颈：• 边界框回归的脆弱性。标准检测器依赖交并比（IoU）进行样本分配。对于红外微小目标，即使亚像素级的偏移也可能导致IoU崩溃，产生严重的梯度振荡和收敛困难[15]。高斯先验已展示出对红外小目标强大的不确定性建模能力，已被用于引导空间特征提取[16]和生成点监督伪掩码[17]；然而，其在边界框分布建模和检测任务对齐方面的潜在价值尚未得到充分关注。• 分类与定位之间的不一致。两个分支追求根本不同的目标：分类旨在区分前景与背景，而定位则追求精确的坐标回归，且两个分支均未显式约束对方。在推理时，预测结果按分类分数排序。对于红外小目标，高置信度框经常出现定位不良的情况。这种不匹配导致高质量的回归框在非极大值抑制（NMS）期间被错误抑制。对齐机制最近在IRSTD领域引起了关注。例如，超图时间对齐[18]、跨帧流对齐[19]以及空频局部对齐[20]。然而，这些工作聚焦于特征级或时间级的对齐；对分类与定位任务之间内在对齐的有效约束仍然缺失。• 缺乏针对困难负样本的排斥机制。红外背景中充满了困难负样本，如明亮的云层边缘和地面热源，其热特征难以与真实目标区分[9],[21]。现有检测器专注于"吸引"预测框向真实目标靠拢，缺乏主动"排斥"预测框远离这些模糊杂波区域的机制，导致高虚警率。对比学习最近进入IRSTD领域，用于特征空间判别性增强[22]和弱监督伪标签的可靠性筛选[23]，但这些方法仍局限于嵌入层面。它们尚未扩展到几何回归空间来在目标和困难负样本之间显式建立排斥力场。为应对这些挑战，我们提出了任务对齐对比高斯网络（TACG-Net）。我们通过度量学习和损失重设计来解决这些问题，同时保持架构不变。我们的贡献如下：• 任务对齐高斯软标签（TAG-SL）。我们提出了一种基于归一化沃瑟斯坦距离的动态软标签策略。通过将边界框建模为二维高斯分布，我们将离散分类任务映射到连续概率空间，缓解了红外微小目标场景中分类置信度与定位质量之间的不一致。• 对比高斯学习（CGL）。我们将对比学习引入几何回归空间，构建吸引–排斥力场。困难背景杂波被显式挖掘为负样本，对比损失驱动预测分布远离干扰区域，增强了模型在复杂红外背景下抑制虚警的能力。• 端到端高斯优化框架。我们在高斯空间中建立了统一的优化目标。从训练时的软标签分配和对比正则化到推理时的NWD-NMS，整个流程中保持了分布一致性。这缓解了传统IoU在亚像素偏移下的梯度消失问题，无需额外复杂模块即可实现即插即用的性能提升。章节摘要2.1 基于模型的方法传统IRSTD方法主要依赖物理先验：假设背景为低频稳定，而目标表现局部高频显著性。基于滤波器的方法（例如最大-中值滤波[24]）通过估计背景来分割目标，但在背景复杂多变时往往缺乏鲁棒性。局部对比方法（例如WSLCM[25]、TLLCM[26]）在目标亮度高于周围邻域的条件下检测目标。3.1 整体架构所提出的架构旨在增强整个流程中的特征表示和任务协同。首先，输入红外图像由骨干网络处理以提取多尺度视觉特征。这些表示随后通过特征融合颈部（FPN和PAN）进行聚合，将高层语义上下文与浅层空间细节合并。检测头自适应地关注不同的语义层次和空间线索。网络的输出检测结果进行评估。4.1.1 数据集为验证TACG-Net的有效性和泛化能力，我们在三个公开的IRSTD基准数据集上进行了详细实验：IRSTD-1 K、NUAA-SIRST和NUDT-SIRST。这些数据集涵盖了极具挑战性的真实场景，包括复杂云杂波、地面杂波和多尺度小目标。所有数据集按6:2:2的比例划分为训练集、验证集和测试集。• IRSTD-1 K [8]：包含1001张512×512分辨率的真实红外图像，具有像素级手动标注。5 结论本文聚焦于基于边界框的红外小目标检测框架。我们系统分析了传统检测器在该领域的主要瓶颈：IoU在亚像素偏移下的极端脆弱性、分类与回归之间的不一致，以及由模糊背景杂波引发的高虚警率。为解决这些挑战，我们提出了任务对齐对比高斯学习网络（TACG-Net）。通过建模……CRediT作者贡献声明戴德恩：撰写——初稿，方法论，形式分析，概念化。张博文：撰写——初稿，监督，软件，概念化。张晓川：软件，调查，数据管理。张正文：撰写——审阅与编辑，验证，项目管理。陈文翰：可视化，监督，调查。于宇：可视化，资源。钟强：撰写——初稿，软件。江湖海：撰写——审阅与编辑，方法论。利益冲突声明作者声明他们不存在可能影响本论文中报告工作的已知竞争性经济利益或个人关系。作者：戴德恩｜张博文｜张晓川｜张正文｜陈文翰｜于宇｜钟强｜江湖海