基于Transformer的红外小目标分割算法研究

红外小目标由于成像距离远,在其图像中仅为很少的几个像素点,因此无法有效获取目标的形状、纹理等特征,进而难以将其从复杂背景中提取出来。文中在分析红外小目标图像特点的基础上,将已在自然语言处理领域取得成功的Transformer模型引入到红外小目标检测领域,提出一个基于Transformer模型的红外小目标图像分割网络U-former。该网络采用U形的编码器-解码器结构,通过对图像像素点的线性叠加和切分,保留小目标细节特征;同时在编码器的不同层次中使用Transformer模型对图像全局特征进行分析,通过对背景信息的提取和抑制,实现小目标的分割提取。实验结果表明:U-former网络能够在复杂背景中分割提取出红外小目标,且相比已有的其他方法,所提方法可以获得更高的F-Measure值,在低虚警率下获得较高的目标检测率。