透过噪声观察：从噪声抑制视角改进红外小目标检测与分割
计算机视觉与模式识别
2026-02-25 v2 人工智能
摘要
红外小目标检测与分割（IRSTDS）是国防和民用应用中一项关键但极具挑战性的任务，原因在于目标外观暗淡、无形，且背景杂波严重。近期基于CNN的方法在目标感知方面取得了可喜的成果，但它们仅专注于增强特征表示以抵消噪声的影响，这导致了虚警问题的增加。在本文中，通过从频域分析该问题，我们率先从噪声抑制的视角来提升性能，并提出了一种新颖的噪声抑制特征金字塔网络（NS-FPN），该网络将低频引导特征净化（LFP）模块和螺旋感知特征采样（SFS）模块集成到原始FPN结构中。LFP模块通过净化高频分量来抑制噪声特征，实现无噪声干扰的特征增强，而SFS模块则在特征融合过程中进一步采用螺旋采样来融合目标相关特征。我们的NS-FPN设计轻量且有效，可以轻松嵌入现有的IRSTDS框架中。在IRSTD-1k和NUAA-SIRST数据集上的大量实验表明，我们的方法显著降低了虚警率，并在IRSTDS任务上取得了优越的性能。
引用
@article{arxiv.2508.06878,
title = {Seeing Through the Noise: Improving Infrared Small Target Detection and Segmentation from Noise Suppression Perspective},
author = {Maoxun Yuan and Duanni Meng and Ziteng Xi and Tianyi Zhao and Shiji Zhao and Yimian Dai and Xingxing Wei},
journal= {arXiv preprint arXiv:2508.06878},
year = {2026}
}