UAV 高光谱成像中 PFM-1 地雷检测的深度学习与统计目标检测方法基准测试
摘要
近年来，配备成像传感器和自动化处理算法的无人机（UAV）正在成为加速大范围勘查、同时降低对人类操作者风险方面的有前景的工具。尽管高光谱成像（HSI）能够利用光谱特征实现材料判别，但针对UAV基础地雷检测的标准化基准测试仍较稀缺。本文提出了一种系统性的基准测试，对四种经典统计检测算法（包括光谱角映射器（SAM）、匹配滤波器（MF）、自适应余弦估计器（ACE）和受约束能量最小化器（CEM））以及一种基于参数Mish激活函数的轻量级光谱神经网络进行PFM-1地雷检测进行评估。我们还发布了像素级二进制 Ground Truth 掩码（目标/背景），以实现标准化、可重复的评估。评估在使用最近发布的VNIR高光谱数据集进行的多个场景裁剪上完成。采用接收者工作特征曲线（ROC）、曲线下面积（AUC）、精确率-召回率（PR）曲线和平均精确率（AP）等指标。虽然所有方法在独立测试集上都实现了较高的ROC-AUC，但ACE方法观察到最高的AUC为0.989。然而，由于目标像素相对于背景极度稀疏，ROC-AUC单独可能误导；在精确率聚焦评估（PR和AP）下，光谱神经网络（Spectral-NN）超越了经典检测器，实现了最高的AP。这些结果强调了精确率聚焦评估、场景感知基准测试以及基于学习的光谱模型对于可靠的UAV高光谱地雷检测的重要性。该代码和像素级注释将被发布。
引用
@article{arxiv.2602.10434,
title = {Benchmarking Deep Learning and Statistical Target Detection Methods for PFM-1 Landmine Detection in UAV Hyperspectral Imagery},
author = {Sagar Lekhak and Prasanna Reddy Pulakurthi and Ramesh Bhatta and Emmett J. Ientilucci},
journal= {arXiv preprint arXiv:2602.10434},
year = {2026}
}
备注
This work has been accepted at the IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2026, Washington DC, USA, and will appear in the IEEE IGARSS 2026 proceedings