计算机应用

作者：边小勇, 袁培洋, 胡其仁

单位：1.武汉科技大学 计算机科学与技术学院，武汉 430065；2.武汉科技大学 大数据科学与工程研究院，武汉 430081；3.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉 430081

关键词：深度学习,红外小目标检测,双编码,空频混合,跨层引导

红外小目标检测（IRSTD）旨在从低信杂比（SCR）的红外图像中精准找到目标，在多个领域获得了非常广泛的应用。然而，现有方法因目标特征微弱和背景干扰严重，难以有效提取目标结构性信息，进而导致目标分割不完整和检测精度低等问题，并且模型参数量较大。为了解决以上问题，提出双编码空频混合的IRSTD方法。首先，采用U-Net3+作为基本框架，并在编码阶段提出一种多形状上下文感知（MSCA）模块和频域交互注意力（FDIA）模块相结合的双编码结构来提取空频混合特征；其次，在解码阶段设计跨层特征引导（CLFG）模块来融合多尺度下的特征图；最后，所提方法分别在NUAA-SIRST和IRSTD-1k数据集上进行了实验验证。结果表明，所提方法的参数量为0.86×106，交并比（IoU）分别达到了78.11%和69.08%，与注意力多尺度特征融合U型网络（AMFUNet）方法相比，参数量减少了1.31×106， IoU分别提升了2.25和1.23个百分点。可见，所提方法在保留较少参数量的同时具有较高的检测性能。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期