基于时空域特征融合的红外弱小目标检测研究

针对红外图像有效像素少且信噪比低,在空间域下目标与背景和噪声难以区分的问题,提出了一种基于时空域特征融合和改进YOLOv5目标检测网络的红外目标检测方法。该方法通过三维残差结构构建时空域特征融合模块,实现对红外弱目标时空域特征的高效提取,降低红外图像空间域噪声对目标检测的干扰;通过引入CA(Coordinate attention)注意力机制改进YOLOv5卷积神经网络,增强模型对微弱目标的敏感性,解决弱目标检测中目标相对于背景非常微弱的问题。实验结果表明,该方法与YOLOv5s网络相比,精确率增加2.2%,召回率增加2.1%,交并比阈值为0.5时的平均精度值增加3.5%,验证了时空域特征融合方法可以提高红外弱小运动目标的检测精度。