通过后验分布建模缓解红外小目标检测的目标级不敏感性
计算机视觉与模式识别
2024-03-14 v1
摘要
红外小目标检测（IRSTD）旨在从红外杂波背景中分割出小目标。现有方法主要侧重于判别式方法，即像素级的前-背景二值分割。由于红外小目标尺寸小且信杂比低，当存在一定虚警和漏检时，经验风险扰动很小，这严重影响了此类方法的进一步提升。受密集预测生成式方法的启发，本文提出了一种用于红外小目标检测的扩散模型框架，该框架通过掩码后验分布建模来补偿像素级判别。此外，我们在小波域设计了一种低频隔离，以抑制红外固有噪声对扩散噪声估计的干扰。这种从判别范式到生成范式的转变使我们能够绕过目标级不敏感性。实验表明，所提出的方法在 NUAA-SIRST、IRSTD-1k 和 NUDT-SIRST 数据集上取得了优于现有最先进方法的竞争性性能提升。代码可在 https://github.com/Li-Haoqing/IRSTD-Diff 获取。
引用
@article{arxiv.2403.08380,
title = {Mitigate Target-level Insensitivity of Infrared Small Target Detection via Posterior Distribution Modeling},
author = {Haoqing Li and Jinfu Yang and Yifei Xu and Runshi Wang},
journal= {arXiv preprint arXiv:2403.08380},
year = {2024}
}