La detección de pequeños objetivos infrarrojos es crucial para aplicaciones que van desde la alerta temprana de incendios forestales hasta la evaluación de amenazas en teledetección, pero los métodos existentes tienen dificultades con objetivos diminutos y de bajo contraste que carecen de forma o textura definidas. Un nuevo enfoque desarrollado por investigadores del Centro de Investigación de Ingeniería Óptica Espacial del Instituto de Tecnología de Harbin, publicado el 30 de junio de 2026 en la Revista de Teledetección, promete establecer un nuevo estándar para esta desafiante tarea.
La red propuesta, Diffusion-Enhanced Dense Mamba Network (DEDM-Net), aborda un desafío crítico: los objetivos infrarrojos a menudo ocupan menos de 81 píxeles (típicamente menos de 9×9) y exhiben una energía extremadamente baja con relaciones señal-ruido en torno a 3, lo que hace que se sumerjan fácilmente en el ruido de fondo. La mayoría de los métodos de aprendizaje profundo se centran exclusivamente en las características del objetivo y descuidan la información del fondo, lo que provoca un grave desequilibrio de clases. La DEDM-Net supera esto modelando simultáneamente tanto los objetivos como los fondos.
La red de dos etapas logra un efecto sinérgico. La primera etapa emplea un modelo de difusión de doble ruta con un novedoso módulo de procesamiento ciego que predice cada píxel utilizando únicamente información circundante—nunca el propio píxel—evitando que los objetivos extremadamente pequeños se clasifiquen erróneamente como fondo. La segunda etapa introduce una arquitectura Mamba anidada densa basada en el modelado de espacios de estados (SSM), que captura correlaciones de largo alcance entre características globales y locales con una complejidad computacional lineal, una ventaja significativa sobre los Transformers convencionales. Un módulo de fusión de predicciones entre etapas integra además las características de ambas etapas, mejorando la precisión de la segmentación de contornos.
Evaluada en tres conjuntos de datos públicos—NUAA-SIRST, NUDT-SIRST e IRSTD-1k—la DEDM-Net superó a 11 métodos de vanguardia. En NUDT-SIRST, alcanzó un IoU del 93.40%, un nIoU del 93.28%, una probabilidad de detección (P_d) del 98.37% y una tasa de falsas alarmas de solo 3.75×10⁻⁶. En IRSTD-1k, alcanzó un IoU del 73.71% y una P_d del 93.89% con solo 11.10×10⁻⁶ falsas alarmas. Estos resultados demuestran reducciones significativas tanto en detecciones omitidas como en falsas alarmas en entornos de imagen complejos.
"Los pequeños objetivos infrarrojos son extremadamente desafiantes porque carecen de forma y textura—esencialmente son solo unos pocos píxeles brillantes en un mar de fondo", dijo el autor correspondiente, el Dr. Shikai Jiang. "Al modelar simultáneamente tanto el fondo sin objetivos como las posibles regiones de objetivos, nuestro enfoque mejorado por difusión amplifica efectivamente lo que importa mientras suprime lo que no. La arquitectura Mamba proporciona entonces el contexto global necesario para distinguir los objetivos reales del ruido brillante".
El método emplea un marco de entrenamiento en dos etapas. En la etapa de mejora por difusión, una red troncal U-Net estima el ruido a lo largo de 1000 pasos de difusión, con un esquema de doble ruta que modela tanto las máscaras de objetivos como las imágenes de fondo. El módulo de procesamiento ciego genera núcleos de convolución a nivel de píxel que excluyen el píxel central, eliminando efectivamente los objetivos pequeños de la reconstrucción del fondo. En la etapa de detección, una red anidada densa con conexiones de pirámide de características y bloques Mamba residuales extrae características multiescala. La función de pérdida combina entropía cruzada binaria y pérdidas Dice para abordar el desequilibrio de clases.
Si bien DEDM-Net logra una precisión superior, el diseño de dos etapas basado en difusión aumenta el tiempo de inferencia en comparación con las redes de una sola etapa. El trabajo futuro se centrará en la destilación de modelos, la inferencia de precisión mixta y muestreadores más rápidos para reducir los pasos de difusión requeridos. El enfoque es prometedor para sistemas de vigilancia en tiempo real, navegación autónoma de drones en condiciones de baja visibilidad y redes de detección temprana de incendios forestales. Como señaló el equipo, el marco también podría inspirar nuevas ideas sobre cómo se pueden combinar modelos generativos y arquitecturas de espacios de estados para otras tareas desafiantes de visión por computadora donde la separación objetivo-fondo es crítica.
La investigación fue apoyada por la Fundación Nacional de Ciencias Naturales de China, la Fundación de Ciencias Postdoctorales de China, la Fundación de Ciencias Naturales de la Provincia de Heilongjiang y el Laboratorio Nacional Clave de Percepción y Fusión de Información Aérea. El estudio completo está disponible en https://spj.science.org/doi/10.34133/remotesensing.1046, y se puede encontrar información adicional en http://chuanlink-innovations.com.
