红外图像中小而暗淡目标检测：综述

尽管使用传统图像处理和机器学习算法的目标检测已取得显著进展，探索红外域中小而暗淡目标检测仍是一个相对新颖的研究领域。大多数小而暗淡目标检测方法源自传统目标检测算法，尽管有所改动。红外图像中小而暗淡目标的检测任务十分复杂。这是因为这些目标常缺乏显著特征，背景杂乱且细节不清，并且场景的红外特征会因热力学波动随时间变化。本综述的主要目标是凸显该领域取得的进展。这是红外图像中小而暗淡目标检测领域的首篇综述，涵盖了从传统图像处理到前沿基于深度学习方法的各种方法。作者还引入了此类方法的分类法。主要有两类方法：使用多帧进行检测的方法，以及基于单帧的检测技术。基于单帧的检测技术包含多种方法，从传统的基于图像处理的方法到更先进的深度学习方法论。我们的发现表明深度学习方法优于传统基于图像处理的方法。此外，还提供了各种可用数据集的综合汇编。进而，本综述指出了现有技术中的空白与局限，为该领域的未来研究与开发铺平道路。