面向红外无人机目标检测的检测友好型非均匀性校正：一种联合框架

使用热力学探测器捕获的红外无人机 (UAV) 图像常受温度相关的低频非均匀性影响，这显著降低了图像对比度。在非均匀条件下检测 UAV 目标对于无人机监视应用至关重要。现有方法通常将红外非均匀性校正 (NUC) 作为检测的预处理步骤，导致性能次优。平衡这两个任务同时增强检测有益信息仍具有挑战性。本文提出一种检测友好型联合框架，称为 UniCD，同时以端到端方式解决红外 NUC 和 UAV 目标检测任务。我们首先将 NUC 模型化为一个由先验和数据驱动的少数参数估计问题，以生成有利于检测的图像。随后，我们将新的辅助损失引入红外 UAV 目标检测网络的骨干网络中，以强化目标特征同时抑制背景。为更好地平衡校正与检测，我们引入检测导引的自监督损失以减少两项任务之间的特征差异，从而增强对不同非均匀性水平的检测鲁棒性。此外，我们构建了一个新的基准数据集，包含 50,000 张各种非均匀性类型的红外图像，多尺度 UAV 目标和丰富背景，附带目标标注，称为 IRBFD。IRBFD 上的大量实验表明，UniCD 是一种稳健的 NUC 和 UAV 目标检测联合框架，同时实现了实时处理能力。数据集可在 https://github.com/IVPLaboratory/UniCD 获取。