近日，IDIP实验室在IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing（SCI二区, TOP, IF=4.7）在线发表“MDIGCNet: Multi-Directional Information-Guided Contextual Network for Infrared Small Target Detection”的学术论文。2022级硕士生张陆平为论文第一作者，罗俊海副教授为论文通讯作者，电子科技大学信息与通信工程学院为唯一作者单位。

       红外小目标检测广泛用于军事和民用领域。红外成像易受强杂波干扰，信杂比低，成像质量差。同时，由于探测距离远，成像目标所占像素少，缺少局部结构和纹理信息等。因此，长距离红外弱小目标检测面临巨大的挑战。

       为了解决现有深度学习缺乏对现有信息有效利用的问题，论文提出了一种面向红外小目标检测的多向信息引导上下文网络（MDIGCNet）。通过引入领域知识，设计了集成差分卷积、多方向高斯微分卷积等模块，更好地提取红外小目标特征。

图1 MDIGCNet模型框架

     通过与SOTA的对比验证，实验结果表明本研究提出的模型在各种复杂场景下具有更好的检测性能。

图2 多类场景的检测结果

       实验室长期致力于红外成像目标探测及空天态势感知关键技术研究。从经典机器视觉建模，目标特征精细表征，到物理认知约束下的深度学习场景感知和目标识别，研究覆盖了面向红外成像目标探测的全域范畴，实现了红外成像环境背景和虚警源抑制、目标检测、跟踪和目标分类识别等一体化应用技术。已在IEEE TGRS, IEEE TMM, IEEE TAES, ISPRS J PHOTO, Pattern Recognit. 等遥感和图像处理主流期刊发表论文百余篇。

       论文链接：https://ieeexplore.ieee.org/document/10770559

供稿：张陆平