面向天基监视的红外弱小目标检测与跟踪仿真数据集IRSatVideo
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
天基红外序列图像中的弱小目标检测与跟踪技术在空间态势感知等领域具有重要应用价值。然而,该领域的发展长期受限于真实数据获取困难、现有数据集规模小、场景单一且缺乏物理真实性的挑战。本文旨在构建一个大规模、高保真、涵盖多样轨道场景的红外小目标序列数据集,以促进相关算法的研究与发展。具体而言,本文提出一种半仿真的数据构建方法,利用Landsat和高分四号卫星的真实红外影像作为背景,通过精确建模卫星平台运动(姿态、轨道)、目标特性(形态、轨迹、辐射强度)以及复杂的背景杂波,生成了包含低地球轨道(LEO)和地球同步轨道(GEO)两种场景的大规模序列数据集IRSatVideo-LEO与IRSatVideo-GEO。IRSatVideo-LEO与IRSatVideo-GEO数据集分别包含200/200段序列、220126/344285个目标实例,并提供实例级像素掩码和矩形框标注。实验显示,在IRSatVideo-LEO与IRSatVideo-GEO数据集上,典型基线算法可实现20.38/33.70的IoU、41.05/73.39的检测率与8.56E-8/6.31E-6的虚警率。IRSatVideo是首个专为天基红外弱小目标检测与跟踪设计的大规模仿真数据集,其创新性体现在三个方面:动态模拟卫星平台运动引起的背景变化;涵盖从机动目标到信杂比低至1的极弱目标;包含多红外波段及全球多样背景。通过对目标尺寸、信杂比、运动特性及背景复杂度等关键属性的统计分析,并与现有数据集对比,表明IRSatVideo在规模、多样性和物理真实性方面具有显著优势。本数据集为天基红外弱小目标检测研究提供了一个接近真实、挑战性强的基准平台,有望显著加速相关算法的研发与评测进程,对推动空间态势感知技术进步具有重要意义。数据集下载链接:https://github.com/XinyiYing/IRSatVideo
Fields of Study & Subjects
Infrared Target Detection Methodologies
Advanced Measurement and Detection Methods
Video Surveillance and Tracking Methods
Publication details
- Journal / source
- Journal of Image and Graphics
- Volume
- 0
- Issue
- 0
- Pages
- 1–26
- Publication date
- 1 January 2026
- Language
- EN