摘要:红外小目标检测是红外搜索与跟踪系统的关键技术之一。然而,由于图像背景复杂、低信噪比、目标尺寸小导致的特征不明显,以及与小目标特征相似的高频噪声干扰,使现有的红外小目标检测性能常常受到限制。针对上述问题,本文提出了一种结合空间域和频域特征的检测方法。首先,为了解决特征不明显和高频噪声的影响,本文设计了双域特征增强模块(dual domain feature enhance module,DFEM),该模块不仅增强了小目标特征,还有效抑制了特征相似的高频噪声,从而显著降低了虚警率。其次,为了抑制背景的周期性噪声并增强感受野,进一步提升网络的检测性能,本文提出了全局多尺度感知模块(global multi-scale aware module,GSAM)。该模块在局部区域采用多尺度最大池化提取多尺度信息,同时在全局区域通过频域信息提取建模全局依赖关系。为了解决频域与空间域特征融合中的差异问题,本文设计了一种交叉注意力融合方法。此外,为了避免目标信息的丢失,本文采用了跨层连接将低级特征与高级特征相融合。最后,考虑到不同尺度和位置的红外小目标可能共享相同的损失,本文引入了尺度与位置敏感损失,进一步识别多尺度目标并准确定位目标。实验结果表明,本文所提出的算法在两个公共数据集上的检测精度优于目前较为先进的红外小目标检测算法,且该方法展现出良好的抗噪鲁棒性。