💻 computer science

Dynamic High-frequency Convolution for Infrared Small Target Detection

本文提出了一种动态高频卷积（DHiF）模块，通过利用傅里叶变换特性生成对称调整参数的动态滤波器，显式建模并区分红外小目标与各类高频杂波，从而在不显著增加计算成本的前提下显著提升了单帧红外小目标检测的性能。

原作者： Ruojing Li, Chao Xiao, Qian Yin, Wei An, Nuo Chen, Xinyi Ying, Miao Li, Yingqian Wang

发布于 2026-03-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Ruojing Li, Chao Xiao, Qian Yin, Wei An, Nuo Chen, Xinyi Ying, Miao Li, Yingqian Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为 DHiF（动态高频卷积）的新技术，旨在解决红外图像中“小目标检测”的难题。

为了让你轻松理解，我们可以把这项技术想象成给红外相机装上了一副“智能动态眼镜”。

1. 核心难题：在“噪点”中找“针”

想象一下，你正在用红外夜视仪在茫茫大海上寻找一艘小小的无人船（目标）。

目标（小目标）：像海面上的一根针，很小，但很亮。
干扰（背景杂波）：海面上不仅有针，还有破碎的浪花、云层的边缘、阳光反射的亮斑。在红外图像里，这些“浪花”和“针”长得非常像，都是高频信号（也就是图像里变化剧烈、边缘锐利的部分）。

以前的方法：

传统方法：像拿着固定的筛子去筛沙子。筛子孔的大小和形状是死的，很难区分“针”和“浪花”。
早期的深度学习：像让一个死记硬背的学生去考试。它看了很多图，知道“亮亮的可能是船”，但它没有真正理解“为什么这个亮斑是船，而那个亮斑是云”。它容易把云误认为是船（误报），或者漏掉真正的船。

2. 解决方案：DHiF（智能动态眼镜）

作者提出的 DHiF，就像给网络戴上了一副能根据眼前景象自动变形的眼镜。

它的核心魔法：

动态生成“滤镜”：
普通的卷积（Convolution）就像是用一把固定的锤子去敲每一块砖，不管砖是软是硬，锤子都一样。
而 DHiF 就像是一个拥有变形能力的智能工匠。它看一眼眼前的砖块（图像局部区域），立刻根据这块砖的特点，现场制造出一把最合适的“锤子”（滤波器）。
- 如果是“云”，它就把锤子调成“排斥模式”，忽略它。
- 如果是“船”，它就把锤子调成“聚焦模式”，紧紧抓住它。
只关注“变化”（高频）：
红外小目标和干扰物都有一个共同点：它们都在图像中引起剧烈的灰度变化（比如从黑突然变白）。
DHiF 的设计灵感来自数学上的“傅里叶变换”。它被设计成专门捕捉这种剧烈变化，并且通过一种特殊的数学技巧（让参数在正负之间对称分布，总和接近零），确保它只对“变化”敏感，对“平淡的背景”无动于衷。
- 比喻：就像你在嘈杂的房间里听人说话。DHiF 不是把音量调大，而是自动过滤掉背景里的嗡嗡声（低频），只放大那些突然的、尖锐的说话声（高频），并且能分辨出哪句是你要找的人说的，哪句是别人的杂音。
即插即用（Drop-in Replacement）：
这副“眼镜”非常轻便，不需要把整个相机（神经网络）拆了重装。它可以直接替换掉现有相机里的普通镜头（标准卷积），不需要重新训练整个系统，就能让现有的检测网络瞬间变强。

3. 效果如何？

作者做了大量实验，把 DHiF 装进了各种现有的检测网络中（就像给不同的手机换上了这副智能眼镜）：

看得更准：在复杂的云层、海浪背景下，它能更精准地找到小目标，大大减少了把云当成船的“误报”。
跑得不慢：虽然它变聪明了，但并没有让相机变慢多少，计算效率几乎没受影响。
适应性强：不管是在海上、天上还是城市里，它都能很好地工作。

总结

简单来说，这篇论文就是发明了一种能“随机应变”的图像处理工具。
以前的工具是“死板”的，不管遇到什么干扰都一视同仁；现在的 DHiF 是“聪明”的，它能实时分析眼前的图像，动态调整自己的策略，从而在充满干扰的红外图像中，像侦探一样精准地揪出那个微小却重要的目标。

一句话概括：DHiF 让红外探测器学会了“去伪存真”，在复杂的背景噪音中，动态地、精准地锁定真正的小目标。

这是一份关于论文《Dynamic High-frequency Convolution for Infrared Small Target Detection》（用于红外小目标检测的动态高频卷积）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：
单帧红外小目标（SIRST）检测面临的主要困难是将微小的、无纹理的目标从复杂且充满杂波的红外背景中分离出来。

关键痛点：

高频成分（HFCs）的混淆： 在红外图像中，感兴趣的目标（如点状或斑点状目标）和主要的背景干扰（如亮角、破碎云层、建筑物边缘等）在频域上都表现为高频成分（High-Frequency Components, HFCs）。
现有方法的局限性：
- 传统方法： 依赖手工设计的固定参数算子（如局部对比度测量、顶帽变换），难以动态有效地区分不同的高频信号，泛化性和鲁棒性较差。
- 深度学习法： 虽然基于数据驱动，但大多数现有网络主要关注特征拟合，缺乏对局部区域内不同语义类别高频成分（目标 vs. 杂波）的显式建模和判别性表示学习。这导致网络难以区分具有相似局部特征（如高对比度）但语义不同的区域，从而产生漏检或虚警。

2. 方法论 (Methodology)

为了解决上述问题，作者提出了一种动态高频卷积（Dynamic High-frequency Convolution, DHiF）。

2.1 核心思想

DHiF 旨在通过动态生成滤波器组（Dynamic Local Filter Bank），将判别性建模过程转化为对局部高频特征的自适应处理。其核心在于让滤波器能够根据局部输入特征，动态调整参数，从而区分目标高频信号和背景杂波高频信号。

2.2 理论依据

傅里叶变换性质：
- 微分性质： 空间微分操作对应频域的高频增强。为了增强对高频的响应，滤波器应包含空间微分特性。
- 线性性质： 直流信号（低频）对应频域的零频脉冲。为了抑制低频响应，滤波器的核参数应避免包含常数项，即参数之和应接近零。
设计策略： 基于上述分析，DHiF 将生成的滤波器核参数限制在以零为中心的对称区间内（即参数包含正负值且和接近零），从而确保滤波器对高频敏感，同时抑制低频背景。

2.3 网络结构细节

DHiF 作为一个即插即用（Drop-in replacement）模块，可替代标准卷积，主要包含以下步骤：

归一化与展平： 输入特征经过归一化后，在滑动窗口内展平为一维向量。
动态滤波器生成：
- 通过线性投影（Linear Projection）编码局部灰度变化特征。
- 通过非线性映射（使用 Tanh 函数）将参数投影到 $[-1, 1]$ 区间。这一步至关重要，它保证了滤波器参数的零中心对称分布，使其对高频敏感。
- 生成针对该局部区域的专用滤波器组 $W_f$ 。
特征处理：
- 利用生成的滤波器组对局部输入特征进行滤波，提取具有判别性的高频表示。
- 将原始输入特征与滤波后的特征结合，通过标准卷积进一步融合，输出最终特征。
集成方式： DHiF 可嵌入到任意 SIRST 检测网络的编码器残差块中，形成 DHiF-Res Block。

3. 主要贡献 (Key Contributions)

强调判别性表示学习： 指出了学习不同高频成分（目标 vs. 杂波）的判别性表示对于 SIRST 检测的重要性，并提出了 DHiF 算子来实现这一目标。
提出 DHiF 算子： 设计了一种基于动态生成滤波器组的高频卷积算子。其核心创新在于利用傅里叶变换性质，通过零中心对称的参数约束，使网络能自适应地捕捉不同高频区域的灰度变化特征。
即插即用与通用性： DHiF 被设计为标准卷积的直接替代品，无需改变网络整体架构，即可无缝集成到各种基于 CNN 或 CNN-Transformer 混合的 SIRST 检测框架中。
广泛的实验验证： 在多个真实场景数据集（IRSDT-1k, NUAA-SIRST）和多种主流检测网络（DNANet, ISNet, SCTransNet 等）上进行了验证，证明了其有效性和泛化能力。

4. 实验结果 (Results)

4.1 定量性能

数据集： IRSDT-1k 和 NUAA-SIRST。
指标： IoU, nIoU, 检测概率 (Pd), 虚警率 (Fa)。
表现：
- 在多种网络架构（CNN 基线和 CNN-Transformer 混合）中，引入 DHiF 后，检测性能普遍提升。
- 例如，在 DNANet 上，IoU 从 63.27 提升至 69.42，Pd 提升至 90.57，同时显著降低了虚警率。
- 与其他专门设计的高频卷积（如 CDC, WTConv, PConv）相比，DHiF 在不同网络和场景下表现出更稳健的适应性。其他算子在部分网络中会导致性能下降，而 DHiF 始终能带来提升。

4.2 定性分析与可视化

归因图（Attribution Maps）： 可视化显示，DHiF 增强后的网络能更准确地关注目标区域，同时抑制背景杂波（如建筑角、亮斑）的响应。
特征图对比： 标准卷积对目标和杂波往往产生相似的强正响应（导致虚警）；而 DHiF 能对不同高频区域产生差异化的响应（例如对杂波产生负响应或弱响应，对目标保持强响应），证明了其判别性表示学习的能力。
滤波器可视化： 生成的滤波器核参数呈现正负对称分布，符合高频滤波器的理论预期。

4.3 消融实验

位置选择： DHiF 替换编码器中间层（第 2-5 层）效果最佳；直接替换输入层会破坏原始图像分布，导致性能下降。
非线性映射： 必须使用 Tanh 函数将参数限制在 $[-1, 1]$ 且零中心对称。使用 GELU、LeakyReLU 或 Sigmoid 会导致性能下降甚至不如标准卷积，证明了零中心约束的必要性。
计算效率： 引入 DHiF 仅增加了极少量的参数量（约 0.01M），推理速度（FPS）下降微乎其微（约 6.85%），实现了性能与效率的良好平衡。
鲁棒性： 在椒盐噪声干扰下，DHiF 网络表现出优于其他方法的鲁棒性。

5. 意义与总结 (Significance)

理论突破： 该工作将信号处理理论（傅里叶变换性质）与深度学习紧密结合，提出了一种显式建模高频成分判别性的新范式，弥补了现有深度学习网络在 SIRST 任务中“重拟合、轻建模”的不足。
实用价值： DHiF 作为一个通用的即插即用模块，能够显著提升现有红外小目标检测系统的性能，特别是在复杂背景（如云层、城市边缘）下的抗干扰能力，具有广阔的军事和民用（如无人机监控、海事监视）应用前景。
未来方向： 论文也指出了局限性，例如在纯 Mamba 架构或输入层直接应用时效果可能受限，以及在局部杂波与目标极度相似时仍需更广泛的上下文信息。

总结： 这篇论文通过引入动态高频卷积（DHiF），成功解决了红外小目标检测中目标与背景杂波难以区分的问题。其核心在于利用动态生成的、参数受傅里叶性质约束的滤波器，让网络学会“区分”不同的高频信号，从而在保持计算效率的同时，显著提升了检测精度和鲁棒性。