波形马巴具有可逆结构,用于红外小型目标检测
概括
本研究介绍了用于红外小目标检测 (IRSTD) 的波形马巴与可逆结构网络 (WMRNet). WMRNet有效地减少了别名效应,改善了红外图像中小目标的识别.
科学领域:
- 计算机视觉 计算机视觉
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 红外小目标检测 (IRSTD) 对于海上救援和预警系统等应用至关重要.
- 低样本的异形效应严重阻碍了在红外图像中识别小目标.
- 现有的方法在细分小目标方面扎,原因是背景噪音和别名.
研究的目的:
- 提出一个新的网络,波形马巴与可逆结构网络 (WMRNet),用于增强红外小目标检测.
- 为了应对阻碍小红外目标准确检测的别名效应的挑战.
- 通过最大限度地减少频率干扰和完善目标边缘来改善小目标的细分.
主要方法:
- 拟议的WMRNet集成了一个离散波段Mamba (DW-Mamba) 模块和一个第三次方程导向可逆 (TDE-Rev) 结构.
- 在多子频段分解中,DW-Mamba使用了离散波段变换,并将其集成到状态空间模型中,以减少背景别名.
- TDE-Rev使用来自二次微分方程的神经结构和可逆结构来抑制边缘别名精细化目标边缘.
主要成果:
- WMRNet有效地将频率干扰降到最低,并保留全球上下文,显著减少背景别名.
- TDE-Rev结构通过增强特征交互和改进目标边缘,成功地抑制了边缘异化效应.
- 对IRSTD-1k和SIRST数据集的实验表明,WMRNet在红外小目标检测方面超过了当前最先进的方法.
结论:
- WMRNet为红外小目标检测提供了一个强大的解决方案,克服了别名化所带来的局限性.
- 波形变换和可逆结构的整合为IRSTD的未来研究提供了一个有希望的方向.
- WMRNet表现出卓越的性能,突出了其在需要可靠的小目标识别的现实应用中的潜力.
