红外小目标检测的动态高频卷积
计算机视觉与模式识别
2026-03-30 v1
摘要
红外小目标通常非常微小且局部显著，属于图像中的高频分量 (HFC)。单帧红外小目标 (SIRST) 检测具有挑战性，因为目标附近存在许多 HFC，如明亮的角落、破碎的云层以及其他杂乱物。当前基于深度学习的方法忽略了对各种 HFC 的显式建模和判别性表征学习，这对区分目标和其他 HFC 至关重要。为此，我们提出了一种动态高频卷积 (DHiF) 将判别性建模过程转化为动态局部滤波器组的生成。尤其，DHiF 因其生成滤波器参数在零中心范围内对称调整而对 HFC 敏感，基于傅里叶变换的性质。结合标准卷积操作，DHiF 可自适应且动态地处理不同的 HFC 区域，捕获其独特的灰度变化特征以实现判别性表征学习。DHiF 可作为标准卷积的即插即用替代方案，可用于任意 SIRST 检测网络而不会显著降低计算效率。为验证 DHiF 的有效性，我们在真实场景数据集上针对不同 SIRST 检测网络进行了大量实验。与其他最先进的卷积操作相比，DHiF 在检测性能上表现出优势，改进前景广阔。代码已公开于 https://github.com/TinaLRJ/DHiF。
引用
@article{arxiv.2602.02969,
title = {Dynamic High-frequency Convolution for Infrared Small Target Detection},
author = {Ruojing Li and Chao Xiao and Qian Yin and Wei An and Nuo Chen and Xinyi Ying and Miao Li and Yingqian Wang},
journal= {arXiv preprint arXiv:2602.02969},
year = {2026}
}