得益于红外成像系统具备远距离、全天时、被动感知的优势，红外成像小目标探测技术已在无人机 “黑飞”、海面救援、林火防护等遥感领域获得广泛应用红外探测 。然而，随着大面阵、高帧频红外成像设备的普及和数据驱动深度神经网络的快速发展，红外探测系统在非均匀校正、目标检测以及边缘计算等方面面临着更高要求。具体而言，探测器焦平面阵列的制备工艺及其信号列读出模式容易在红外图像中引入条纹非均匀性噪声，导致成像质量下降。尽管 “先去噪，再检测”已成为标准流程，但目前缺乏可靠基准来全面评估去条纹方法对小目标检测的实际增益。此外，场景杂波、远距离辐射能量衰减及衍射效应导致红外目标呈现低对比度、有限像素、轮廓模糊的特性，加剧了检测难度。最后，常规深度网络因高参量难以适应低功耗、存储受限的边缘硬件部署。
针对上述问题红外探测 ，本文开展了红外成像探测关键技术研究，主要工作和贡献如下：
1. 针对条纹噪声和背景垂直结构难以精准解耦问题，研究并提出了一种基于非对称采样列校准的红外图像条纹非均匀性校正算法红外探测 。设计了由残差哈尔小波变换和像素重排组成的非对称采样结构。前者采用双分支建模结合了条纹的方向先验和数据驱动学习的优势，后者促进了跨层语义特征的精确对齐，实现无语义偏差的图像重建。最后，引入列非均匀性校正模块以交互列维度、空间维度和特征内部依赖，增强全局列信息感知。实验结果表明，本算法在多款红外探测器和多种噪声模型中均展现出优秀的条纹去除能力和图像结构保留能力。
2. 针对条纹非均匀性噪声去除任务导向不足的问题，研究并提出了一个红外小目标检测引导的条纹非均匀性去除基准红外探测 。采集并标注了三架无人机的数据和掩码，全面呈现了条纹噪声干扰下红外小目标的分布特征。评估了 10 种典型的去条纹方法在全参考、无参考和检测任务驱动的 11 个指标上的表现，归纳了图像质量评价与检测任务的相关性。最后，提出了一种面向检测的去噪优化策略，通过引入噪声梯度惩罚项强化图像的全局修复能力。实验结果表明，本损失函数优化了多种去条纹方法在红外弱小目标检测中的表现。
3. 针对小目标检测模型对深层语义中背景连续性建模不足的问题，研究并提出了一种基于空间通道交叉 Transformer 的全尺度红外小目标检测方法红外探测 。基于注意力可视化分析，设计了局部空间信息嵌入的单头通道交叉注意力机制和互补前馈网络，显式的交互和增强了全级编码特征的语义信息关联。在 SIRSTv1、NUDT-SIRST 和IRSTD-1K 三个数据集上的大量实验表明，本算法在探测精度、虚警抑制与目标轮廓预测方面均表现优异。
4. 针对极端场景下非合作目标检测鲁棒性不足的问题，研究并提出了一种基于能量双重引导的单点交互高精度红外小目标检测方法红外探测 。首先，采用目标能量初始化构建原始轮廓，以促进目标形状的完整演化。其次，引入双重提示和边界框匹配策略，有效抑制密集目标的掩码粘连并消除虚警。实验表明，在三个混合数据集的测试中，本方法实现了 100% 的目标检测精度且无虚警。此外，使用本模型推理的掩码作为伪标签训练新的目标检测网络，其网络检测性能超越了手工标签。
科学技术的发展离不开科研仪器的进步红外探测 。凯视迈（KathMatic）自2014年创建以来，一直“致力于高精尖光学测量技术”，已成为集“研发、制造、销售”为一体的国产高端光学精密测量仪器新力量。推出了KC系列多功能精密测量显微镜、KS系列超景深3D数码显微镜以及KV系列激光多普勒测振系统，取得了良好的市场成绩。详情欢迎留言咨询！