胡亮 张聃*

（四川长虹电器股份有限公司，四川 成都 610094）

1 概述

红外光学系统广泛应用于航空航天、军事、遥感等领域中[1-2]。对红外图像中的目标进行检测，则是最重要的计算机视觉任务之一[3-5]。一般而言，红外目标多为点状，面积小，无明显的形状、纹理等信息，对它们的检测属于弱小点目标检测范畴[6-7]，是一个经久不衰的难点课题。

卷积神经网络[8]自从2012 年于imageNet 的图片分类任务上登顶后，在计算机视觉领域大放异彩，对于目标检测任务非常有效[8-10]。但不同于可见光图像中的目标，红外目标缺乏纹理颜色等细节，也没有大型的公共数据集进行参数的预训练，直接使用现有的深度卷积神经网络模型结果不甚理想。

本文考虑到红外弱小点目标的特点，基于卷积神经网络提出了一种检测算法，通过红外图像预处理与数据增强技巧，该算法只需几百个样本即可训练好，相比传统的检测算法，可以极大的降低虚警率，同时提高检测率。

2 相关检测算法概述

本部分介绍一些常见的红外弱小点目标检测算法。

应用最为广泛的是基于空域的检测方法，其简单有效，算法复杂度较低，计算量较小；具体包括传统的滤波、数学形态学方法及基于马尔科夫随机场（Markov Random Field）的检测算法等。刘丰轶等人[11]提出了一种改进的基于马尔科夫随机场的点目标检测算法。该算法依据基于复杂背景可分性度量的信杂比准则对MRF 进行初始配置，在此基础上，改进了MRF 标记场的先验概率模型，构造了基于欧式空间度量的概率能量函数和概率响应函数，提高了目标概率对邻域标记变化的响应能力。……