近日，我院在遥感与地球科学领域国际顶级学术期刊《IEEE Transactions on Geoscience and Remote Sensing》上发表重要研究成果“A High-Quality Data Augmentation Method for Infrared Small Target Detection”。该成果以福州大学为第一署名单位，我院黄峰研究员、裘兆炳副研究员为论文的共同通讯作者，陈丽琼副研究员为第一作者，23级硕士研究生刘桓贤为第二作者。
随着低空经济相关行业的快速发展与低空安防体系的现代化升级，红外探测系统在复杂环境下对无人机、飞行器等“低慢小”目标的精准检测能力至关重要。然而，红外小目标像素数量少、缺乏纹理细节，且高质量红外数据的采集成本高、标注困难，导致现有人工智能检测模型面临“数据荒”，严重制约了其性能提升与实战应用。
针对上述瓶颈问题，课题组提出了一种“高质量数据增强”（HQDA）新框架，通过利用红外图像的内在特性，显著提升了红外小目标检测性能。具体而言，HQDA首先提出了一种一致性约束背景生成方法，能利用丰富的可见光图像生成高质量的红外背景；该方法创新性地将红外图像的非局部自相关特性引入生成对抗网络（GAN），从而提升生成数据的真实感。其次，为在目标增强过程中更好地保留真实分布特征，HQDA设计了一种基于鲁棒随机游走的新型目标提取方法，相较于现有方法，该方法能自动且精确地提取目标的像素级强度及空间分布。最后，HQDA提出了分布自适应图像合成（DAIS）方法，该方法能更准确地模拟真实场景中的数据分布，进一步提升了数据增强能力。
该研究工作受到了国家科技重点项目、国家自然科学基金、福建省自然科学基金等项目的资助，是研究院在低空经济、红外小目标检测领域中取得的重要突破。
论文链接：
https://ieeexplore.ieee.org/document/11363635/metrics#metrics
