http://bhxb.buaa.edu.cnjbuaa@buaa.edu.cnDOI:10.13700/j.bh.1001-5965.2021.0221一种FPGA实现的复杂背景红外小目标检测网络周海1，2，3，侯晴宇4，*，卞春江1，2，3，冯水春1，2，3，刘一腾1，2，3(1.中国科学院国家空间科学中心，北京100190；2.中国科学院复杂航天系统电子信息技术重点实验室，北京100190；3.中国科学院大学，北京100049；4.哈尔滨工业大学航天学院，哈尔滨150001)摘要：红外（IR）小目标检测算法具有检测率高、虚警率低、实时性好等优点在红外遥感领域有重要的应用价值。由于复杂背景下小目标对比度低和信噪比（SNR）低，传统红外小目标检测算法难以保证检测性能。在强鲁棒性的红外小目标检测网络（RISTDnet）基础上，面向更为多样的目标结构特征和更高的实时处理性能要求，提出一种增强型红外小目标检测网络（EISTDnet）与其基于现场可编程逻辑门阵列（FPGA）高性能并行处理的算法。EISTDnet构造了手工特征算法与卷积神经网络相结合的多尺度小目标特征提取框架，采用多级展开思路对卷积核尺寸进行归一化设计，并通过数据深度复用和多维循环并行展开有效提高推理阶段实时处理性能。实验结果表明：采用单片FPGA实现的EISTDnet能够快速实时检测复杂背景下不同大小、低信噪比的小目标,与现有5种算法相比在10−3低虚警率下平均检测率提升49.5%，与RISTDnet相比，在实时处理速度提高1.33倍的优势下，对低信噪比条状小目标检测率提升29.4%，所提算法具有更好的有效性和鲁棒性。关键词：卷积神经网络；红外小目标；目标检测；现场可编程逻辑门阵列；实时中图分类号：V249.32+6；TP391；TN215文献标志码：A文章编号：1005-5965（2023）02-0295-16小目标检测在红外图像处理领域占有重要地位，特别是在遥感领域中具有较高的军民应用价值。而复杂背景下的低信噪比小目标检测是一项具有挑战性的任务，因为图像中的目标通常很小很弱并缺乏特定的形状、纹理和结构信息。近几十年来，许多红外小目标检测算法被提出，算法主要包括单帧检测和多帧关联2个步骤。由于多帧关联往往是在单帧检测基础上进一步开展时域关联处理，因此，单帧检测算法对于复杂背景下弱小目标的检测能力更为关键。本文聚焦在红外小目标单帧检测算法的研究上，传统的单帧检测算法可分为两类：局部对比法（localcontrastmeasure，LCM）和非局部自相关法（nonlocalautocorrelationmeasure，NAM）。LCM主要是通过定义一种合理的局部对比度来抑制背景和增强小目标。Chen等[1]应...
