卫星视频中的红外小目标检测：一个新数据集与 novel 递归特征细化框架
计算机视觉与模式识别
2025-02-21 v3
摘要
多帧红外小目标(MIRST)检测在卫星视频中是数十年来长期存在的、基本而又具有挑战性的任务，其挑战可以总结为：首先，目标尺寸极小，背景杂质和噪声极为复杂，卫星运动多样化，导致特征表示受限、误报率高且运动分析困难。其次，缺乏可公开获取的大规模卫星视频MIRST数据集严重阻碍了算法开发。为此本文首先构建了一个用于卫星视频MIRST检测的大规模数据集（称为IRSatVideo-LEO），随后开发了一个递归特征细化(RFR)框架作为基线方法。具体而言，IRSatVideo-LEO是一个半模拟数据集，包含合成的卫星运动、目标外观、轨迹和强度，可提供标准工具箱用于卫星视频生成，并为算法开发提供可靠的评估平台。对于基线方法，RFR被设计为能够与现有强大的CNN方法集成，以实现长期时序依赖性的利用，并集成运动补偿与MIRST检测。具体来说，提出了金字塔可变形对齐(PDA)模块和时空-频率调制(TSFM)模块，以实现有效且高效的特征对齐、传递、聚合和细化。进行了大量实验以证明方案的有效性和优越性。比较结果表明，搭载RFR的ResUNet在MIRST检测方法中优于当前最先进的方法。数据集和代码已发布于https://github.com/XinyiYing/RFR。
引用
@article{arxiv.2409.12448,
title = {Infrared Small Target Detection in Satellite Videos: A New Dataset and A Novel Recurrent Feature Refinement Framework},
author = {Xinyi Ying and Li Liu and Zaipin Lin and Yangsi Shi and Yingqian Wang and Ruojing Li and Xu Cao and Boyang Li and Shilin Zhou and Wei An},
journal= {arXiv preprint arXiv:2409.12448},
year = {2025}
}