基于能量筛选与相位频率对齐网络的红外小目标检测方法

本发明属于计算机视觉与红外图像处理，具体涉及一种基于能量筛选与相位频率对齐网络的红外小目标检测方法。

背景技术：

1、红外小目标检测旨在从复杂红外图像中准确定位并分割远距离弱小目标，广泛应用于空天预警、海上监视、搜索救援、遥感观测、精确制导和无人平台感知等领域。由于红外小目标通常仅占据少量像素，缺乏稳定的纹理、形状和边界信息，且云层边缘、海面杂波、建筑结构及局部亮斑等背景区域可能产生与目标相似的响应，因此容易出现目标漏检和背景虚警。

2、随着深度学习技术的发展，基于卷积神经网络、注意力机制和编码器—解码器结构的方法显著提高了红外小目标的特征提取与像素级分割能力。现有方法通常通过多尺度编码、上下文建模、跳跃连接和特征融合增强目标响应。然而，最大池化或步长卷积等下采样操作会压缩局部邻域信息，容易造成弱小目标响应衰减或丢失，且难以在后续解码过程中完整恢复。

3、为减轻下采样造成的信息损失，部分方法采用像素重排操作，将不同空间采样位置的响应转移至通道维度；另有方法利用离散小波变换提取低频结构信息和不同方向的高频细节信息，以联合利用空间定位能力和频谱判别信息。但是，像素重排获得的空间相位特征与离散小波变换获得的频率子带特征在通道排列和特征语义上并不天然一致，直接融合容易产生语义错配。同时，可学习空间特征与固定变换频率特征在不同频带上的响应强度和能量尺度可能存在差异，未经校准的融合可能削弱有效目标响应或放大背景干扰。

4、此外，编码器—解码器结构中的浅层跳跃连接特征在保留目标位置和边界信息的同时，也包含较多背景纹理和局部噪声，直接融合可能重新引入背景干扰；而采用复杂自注意力或transformer结构进行全局建模通常会增加计算开销。因此，如何在下采样过程中保持弱小目标响应，实现空间相位特征与频率子带特征之间的语义对应和能量匹配，并利用全局上下文信息增强有效跳跃连接特征，仍是现有红外小目标检测技术中有待解决的问题。

技术实现思路

1、为解决上述问题，本发明公开了一种基于能量筛选与相位频率对齐网络的红外小目标检测方法，该方法通过方向感知对比度校准卷积筛选可靠空间响应，并利用像素重排和haar离散小波变换分别提取空间相位特征与频率子带特征；进一步通过相位频率对齐模块建立空间相位特征与频率子带特征之间的语义对应关系，并利用频带能量对齐融合模块完成对应频带的能量匹配与特征融合；同时，通过多尺度上下文聚合和全局引导调制增强有效跳跃连接特征，从而减少下采样过程中的弱小目标信息损失，缓解空频特征融合时的语义错配和能量尺度失配，并抑制复杂背景中的类目标杂波，提高红外小目标检测的准确性和鲁棒性。

2、为达到上述目的，本发明的技术方案如下：

3、基于能量筛选与相位频率对齐网络的红外小目标检测方法，包括以下步骤：

4、s1、获取待检测红外图像，并利用stem模块进行通道扩展和浅层特征提取，获得保持原始空间分辨率的浅层特征。

5、s2、构建由多个相位频率编码阶段级联组成的编码器，每一相位频率编码阶段均包括相位频率编码器pfe encoder和残差模块resblock，对所述浅层特征进行逐级下采样和多尺度特征提取；其中，每一级pfe encoder将当前尺度的输入特征分别输入空间相位支路和频率支路，在所述空间相位支路中，利用方向感知对比度校准卷积dacc进行可靠空间响应筛选，并通过pixelunshuffle操作对可靠空间特征进行相位保持重排，获得多个空间相位特征；在所述频率支路中，利用haar离散小波变换对当前尺度的输入特征进行频率分解，获得多个频率子带特征；随后，利用相位频率对齐模块hpfa对空间相位特征进行频带语义及通道排列对齐，并利用频带能量对齐融合模块beaf对空间对齐特征与对应频率子带特征进行能量匹配和能量保持式融合；对获得的融合特征进行自适应通道重标定，再经对应的resblock进行局部特征细化，形成各级多尺度编码特征。

6、s3、利用空间信息多尺度聚合模块sima，对所述浅层特征及各级多尺度编码特征进行通道统一、空间尺度对齐和特征聚合，生成包含多尺度上下文信息的全局引导特征。

7、s4、构建多级解码器执行特征恢复与融合；在每一级解码过程中，利用交叉轴向调制注意力模块cama，在所述全局引导特征的调制下增强对应尺度的编码器跳跃连接特征，并将增强后的跳跃连接特征与当前解码输入特征的上采样结果进行通道拼接，再通过resblock模块进行特征融合和细化，以逐级恢复特征图的空间分辨率；利用尺寸为1×1的卷积对最高空间分辨率的解码特征进行通道映射，并通过sigmoid激活函数生成红外小目标像素级预测结果。

8、进一步地，步骤s1中，对待检测红外图像进行预处理，并将预处理后的红外图像输入由resblock构成的stem模块，在保持原始空间分辨率不变的情况下进行通道扩展和浅层特征提取，获得浅层特征。

9、进一步地，步骤s2中，所述构建由多级相位频率编码器pfe encoder和残差模块resblock组成的编码器，包括以下子步骤：

10、s201、编码器分层级联架构：以stem模块输出的浅层特征作为编码器的初始输入，依次设置多个级联的相位频率编码阶段，每一相位频率编码阶段均包括相位频率编码器pfe encoder和残差模块resblock；通过所述相位频率编码器逐级降低特征图的空间分辨率并调整特征通道数。

11、s202、可靠空间特征提取：在每一相位频率编码阶段中，利用方向感知对比度校准卷积dacc对当前尺度的输入特征进行可靠空间响应筛选，获得可靠空间特征。

12、s203、相位频率特征对齐：利用相位频率对齐模块hpfa对步骤s2中经pixelunshuffle操作形成的空间相位特征进行无参数线性重映射，获得与频率子带特征在频带语义及通道排列上相对应的空间对齐特征；

13、s204、能量融合与编码特征生成：利用频带能量对齐融合模块beaf对所述空间对齐特征与对应频率子带特征进行能量匹配和能量保持式融合，获得相位频率融合特征；对所述相位频率融合特征进行自适应通道重标定，并映射至当前编码阶段的预设输出通道数，再输入对应的resblock进行局部特征细化，获得当前尺度的编码特征，并将其作为下一相位频率编码阶段的输入。

14、进一步地，步骤s202中，所述方向感知对比度校准卷积dacc对空间相位支路的输入特征进行多方向响应提取、局部差异校准和可靠空间响应筛选，包括以下子步骤：

15、s2021、四向非对称上下文采样与特征聚合：对于第i个相位频率编码阶段，将当前尺度的输入特征分别输入两个水平方向特征提取分支和两个垂直方向特征提取分支。

16、定义表示分别在输入特征的左侧、右侧、上侧和下侧填充l、r、t和b个像素。两个水平方向特征提取分支采用互补的非对称零填充方式，并通过尺寸为1×k的水平卷积提取局部水平方向响应，计算公式为：

17、，；

18、其中，第一水平分支在输入特征左侧填充k个像素，并在上侧额外填充1个像素；第二水平分支在输入特征右侧填充k个像素，并在下侧额外填充1个像素。

19、两个垂直方向特征提取分支采用互补的非对称零填充方式，并通过尺寸为k×1的垂直卷积提取局部垂直方向响应，计算公式为：

20、，；

21、其中，第一垂直分支在输入特征上侧填充k个像素，并在右侧额外填充1个像素；第二垂直分支在输入特征下侧填充k个像素，并在左侧额外填充1个像素。

22、将四个方向特征提取分支的输出分别记为、、和，并沿通道维度进行拼接，获得方向聚合特征，其计算公式为：。

23、其中，表示沿通道维度进行拼接，k表示预设的方向卷积核长度。所述四个方向分支采用互补的非对称填充方式，使方向卷积后的特征在空间维度上保持一致，并为后续2×2逐通道卷积执行局部差异校准提供输入。

24、s2022、局部差异校准：将方向聚合特征输入逐通道局部差异提取单元，利用尺寸为2×2的逐通道卷积对各通道局部邻域内的响应变化进行独立建模，并通过批归一化对所述响应变化进行校准，获得局部差异特征，其计算公式为：,

25、其中，表示尺寸为2×2的逐通道卷积操作，bn表示批归一化操作。经过所述逐通道局部差异提取单元处理后，局部差异特征与当前尺度输入特征具有相同的空间分辨率。

26、s2023、通道响应筛选：对局部差异特征执行全局平均池化，获得各通道的全局响应统计量；将所述全局响应统计量依次输入第一点卷积层、非线性激活层、第二点卷积层和sigmoid激活函数，生成通道筛选权重，其计算公式为：

27、；

28、其中，gap表示全局平均池化操作，表示尺寸为1×1的点卷积操作，sigmoid表示sigmoid激活函数，表示非线性激活函数。

29、利用通道筛选权重对局部差异特征进行逐通道加权，再依次通过1×1卷积、批归一化和silu激活进行通道融合，获得可靠空间特征，其计算公式为：

30、；

31、其中，表示逐元素乘法。通过上述处理，增强与红外小目标相关的方向性局部响应，并抑制背景纹理、结构边缘和局部噪声等不可靠空间响应。

32、进一步地，步骤s203中，利用相位频率对齐模块hpfa对所述多个空间相位特征进行无参数线性重映射，包括以下子步骤：

33、s2031、空间相位特征组织：接收步骤s2中由pixelunshuffle操作获得的空间相位特征，；

34、其中，i=1,2,3,4表示第i个相位频率编码阶段。

35、s2032、相位频率映射：按照haar离散小波变换对应的固定相位加减组合关系，对四组空间相位特征进行无参数线性组合，获得低频空间对齐特征、第一方向高频空间对齐特征、第二方向高频空间对齐特征和对角高频空间对齐特征，其计算公式为：

36、；

37、其中，通过聚合四个空间相位中的共有响应表征低频结构信息；和分别表征两个方向上的局部响应变化；表征对角方向上的局部差异信息。

38、s2033、频带对应输出：按照低频、第一方向高频、第二方向高频和对角高频的预设顺序，将四组空间对齐特征沿通道维度进行拼接，获得相位频率对齐模块hpfa输出的空间对齐特征，其计算公式为：

39、；

40、所述空间对齐特征与频率支路输出的频率子带特征具有相同的空间分辨率和通道数量。所述相位频率对齐模块hpfa采用固定的加减组合和尺度变换完成空间相位特征的重映射，不包含可学习权重，不引入额外模型参数，从而在保持空间相位信息的基础上，为后续同频带能量匹配和空频特征融合提供语义一致的输入特征。

41、进一步地，步骤s204中，利用频带能量对齐融合模块beaf对所述空间对齐特征和频率子带特征进行能量匹配与融合，获得相位频率融合特征，包括以下子步骤：

42、s2041、对应频带特征划分：接收步骤s4获得的空间对齐特征和步骤s2获得的频率子带特征，并按照低频、第一方向高频、第二方向高频和对角高频的预设顺序，建立如下同频带对应关系：

43、；

44、s2042、频带能量统计：对于任一对应频带b，其中，分别计算空间对齐特征和频率子带特征的均方根频带能量：

45、,；

46、其中，表示在通道维度和空间维度上进行均值统计，ε表示用于保证数值稳定性的预设正数，为空间对齐特征中的第b个频带，为频率子带特征中的第b个频带。

47、s2043、频带能量匹配：以对应频率子带特征的均方根频带能量为参照，计算能量匹配系数：,并利用所述能量匹配系数对空间对齐特征进行缩放：

48、；

49、其中，stopgrad表示在反向传播过程中停止梯度传递，表示能量匹配后的空间对齐特征。通过上述处理，使空间对齐特征与对应频率子带特征具有相匹配的能量尺度。

50、s2044、能量保持式特征融合：

51、将能量匹配后的空间对齐特征与对应频率子带特征进行逐元素相加，并利用能量保持归一化系数进行幅值校准，获得第b个频带的融合特征：

52、；

53、按照低频、第一方向高频、第二方向高频和对角高频的顺序，将各频带融合特征沿通道维度进行拼接，获得相位频率融合特征：

54、；

55、进一步地，步骤s3中，利用空间信息多尺度聚合模块sima接收stem模块输出的浅层特征以及各相位频率编码阶段输出的多尺度编码特征、、和，形成由浅层局部信息至深层语义信息组成的多尺度特征集合：，并对所述多尺度特征进行通道统一、空间尺度对齐和特征聚合，包括以下子步骤：

56、s301、通道维度统一：分别利用尺寸为1×1的点卷积对各尺度特征进行通道映射，并依次进行批归一化和silu激活，将不同尺度的特征统一至相同的预设通道数。将通道统一后的特征记为，其计算公式为：

57、；

58、s302、空间尺度对齐：以最深层编码特征的空间分辨率作为目标空间尺度，分别对通道统一后的特征执行自适应最大池化和自适应平均池化，并将两种池化结果进行逐元素相加，获得多尺度对齐特征：

59、；

60、其中，adamaxpool和adaavgpool分别表示自适应最大池化和自适应平均池化。各多尺度对齐特征均与最深层编码特征具有相同的空间分辨率。

61、s303、多尺度特征聚合：将多尺度对齐特征、、、和沿通道维度进行拼接，获得多尺度聚合特征；再利用尺寸为3×3的卷积、批归一化和silu非线性激活对所述多尺度聚合特征进行融合与细化，生成全局引导特征g，其通道数为64，计算公式为：

62、；

63、进一步地，步骤s4中，构建多级解码器执行特征恢复与融合，并利用交叉轴向调制注意力模块cama对编码器跳跃连接特征进行增强，包括以下子步骤：

64、s401、多级解码结构构建：将最深层编码特征作为第一级解码输入，并记为。按照由深层至浅层的顺序，依次将当前解码输入特征与对应空间尺度的编码器跳跃连接特征进行融合，获得当前级解码特征，其中：j=4,3,2,1.前一级解码器输出的特征作为后一级解码器的输入，从而逐级恢复特征图的空间分辨率。

65、s402、全局引导特征尺度对齐：对于第j级解码过程，将步骤s6生成的全局引导特征g调整至对应编码器跳跃连接特征的空间分辨率，获得当前尺度的全局引导特征：

66、；

67、其中，表示最近邻插值操作。

68、s403、交叉轴向相关性建模：分别对当前尺度的全局引导特征和跳跃连接特征进行轴向最大池化，将宽度维度压缩为1，获得高度轴特征；将高度维度压缩为1，获得宽度轴特征：

69、；

70、；

71、其中，和分别表示跳跃连接特征的高度和宽度。

72、利用尺寸为1×1的卷积分别对所述高度轴特征和宽度轴特征进行通道映射，并在通道维度计算全局引导特征与跳跃连接特征之间的相关性，获得高度方向相关特征和宽度方向相关特征：

73、；

74、；

75、其中，表示沿通道维度求和。通过广播乘法将高度方向相关特征与宽度方向相关特征组合为二维空间相关特征：

76、；

77、s404、空间调制增强：利用尺寸为3×3的卷积对二维空间相关特征进行局部平滑，并将平滑结果与原始二维空间相关特征逐元素相加，再通过sigmoid激活函数生成空间调制权重：

78、；

79、利用尺寸为1×1的卷积对跳跃连接特征进行特征映射，并通过空间调制权重进行逐位置加权，随后与原始跳跃连接特征进行残差相加，获得增强后的跳跃连接特征：

80、；

81、s405、解码特征上采样与融合：将当前解码输入特征通过双线性插值调整至与增强后的跳跃连接特征相同的空间分辨率，获得上采样解码特征：

82、；

83、将增强后的跳跃连接特征与上采样解码特征沿通道维度进行拼接，并输入resblock进行特征融合和局部细化，获得当前级解码特征：

84、；

85、s406、逐级空间分辨率恢复与检测结果生成：将当前级解码特征作为下一级解码器的输入，按照j=4,3,2,1的顺序重复执行步骤s702至s705，依次获得各级解码特征，直至恢复至预设的最高空间分辨率，获得最终解码特征，利用尺寸为1×1的卷积层，对其进行通道映射，将多通道解码特征转换为单通道预测特征图l：

86、；

87、对单通道预测特征图l执行sigmoid激活，将各像素位置的响应值映射至0至1的范围，获得红外小目标像素级概率预测图p：

88、；

89、将红外小目标像素级概率预测图p作为模型的像素级检测结果输出，用于表征待检测红外图像中红外小目标的位置及区域响应。

90、本发明的有益效果为：

91、本发明提出一种基于能量筛选与相位频率对齐的红外小目标检测方法。在编码阶段，通过方向感知对比度校准卷积dacc提取多方向局部响应并筛选可靠空间特征，同时利用pixelunshuffle操作与haar离散小波变换分别获得空间相位特征和频率子带特征，在降低特征图空间分辨率的过程中保留局部采样信息与多频带细节，从而减轻传统池化或步长卷积造成的弱小目标信息损失。

92、本发明进一步利用相位频率对齐模块hpfa，按照haar离散小波变换对应的固定相位组合关系，对空间相位特征进行无参数线性重映射，使其与各频率子带在通道排列和频带语义上相对应；并通过频带能量对齐融合模块beaf对同频带空频特征进行能量匹配与融合，缓解空间支路与频率支路之间的语义错配和能量尺度失配问题，提高空频融合的稳定性和判别能力。此外，通过空间信息多尺度聚合模块sima生成全局引导特征，并利用交叉轴向调制注意力模块cama对各级跳跃连接特征进行筛选和增强，在恢复小目标位置及细节信息的同时抑制背景纹理和类目标干扰，最终提高复杂背景和低信噪比条件下红外小目标检测的准确性与鲁棒性。