A detecção de pequenos alvos infravermelhos é crucial para aplicações que vão desde o alerta precoce de incêndios florestais até a avaliação de ameaças por sensoriamento remoto, mas os métodos existentes enfrentam dificuldades com alvos minúsculos e de baixo contraste que não possuem forma ou textura distintas. Uma nova abordagem desenvolvida por pesquisadores do Centro de Pesquisa em Engenharia Óptica Espacial do Instituto de Tecnologia de Harbin, publicada em 30 de junho de 2026 no Journal of Remote Sensing, promete estabelecer um novo padrão para essa tarefa desafiadora.
A proposta Rede Mamba Densa com Aprimoramento por Difusão (DEDM-Net) aborda um desafio crítico: alvos infravermelhos frequentemente ocupam menos de 81 pixels (tipicamente menos de 9×9) e exibem energia extremamente baixa com relações sinal-ruído em torno de 3, fazendo com que sejam facilmente submersos em ruído de fundo. A maioria dos métodos de aprendizado profundo foca exclusivamente nas características do alvo, negligenciando as informações de fundo, o que leva a um grave desequilíbrio de classes. A DEDM-Net supera isso modelando simultaneamente tanto os alvos quanto os fundos.
A rede de dois estágios alcança um efeito sinérgico. O primeiro estágio emprega um modelo de difusão de caminho duplo com um novo módulo de processamento cego que prevê cada pixel usando apenas informações circundantes — nunca o próprio pixel — evitando que alvos extremamente pequenos sejam classificados erroneamente como fundo. O segundo estágio introduz uma arquitetura Mamba densa e aninhada baseada em modelagem de espaço de estados (SSM), que captura correlações de longo alcance entre características globais e locais com complexidade computacional linear, uma vantagem significativa sobre os Transformers convencionais. Um módulo de fusão de previsão entre estágios integra ainda mais as características de ambos os estágios, melhorando a precisão da segmentação de contornos.
Avaliada em três conjuntos de dados públicos — NUAA-SIRST, NUDT-SIRST e IRSTD-1k —, a DEDM-Net superou 11 métodos de última geração. No NUDT-SIRST, alcançou 93,40% de IoU, 93,28% de nIoU, 98,37% de probabilidade de detecção (P_d) e uma taxa de falsos alarmes de apenas 3,75×10⁻⁶. No IRSTD-1k, atingiu 73,71% de IoU e 93,89% de P_d com apenas 11,10×10⁻⁶ de falsos alarmes. Esses resultados demonstram reduções significativas tanto em detecções perdidas quanto em falsos alarmes em ambientes de imageamento complexos.
"Alvos pequenos infravermelhos são extremamente desafiadores porque não possuem forma nem textura — são essencialmente apenas alguns pixels brilhantes em um mar de fundo", disse o autor correspondente Dr. Shikai Jiang. "Ao modelar simultaneamente o fundo sem alvo e as regiões potenciais de alvo, nossa abordagem com aprimoramento por difusão amplifica efetivamente o que importa enquanto suprime o que não importa. A arquitetura Mamba então fornece o contexto global necessário para distinguir alvos verdadeiros de ruído brilhante."
O método emprega uma estrutura de treinamento em dois estágios. No estágio de aprimoramento por difusão, um backbone U-Net estima o ruído ao longo de 1.000 etapas de difusão, com um esquema de caminho duplo modelando tanto máscaras de alvo quanto imagens de fundo. O módulo de processamento cego gera kernels de convolução pixel a pixel que excluem o pixel central, removendo efetivamente pequenos alvos da reconstrução de fundo. No estágio de detecção, uma rede densa e aninhada com conexões de pirâmide de características e blocos Mamba residuais extrai características multiescala. A função de perda combina entropia cruzada binária e perdas Dice para lidar com o desequilíbrio de classes.
Embora a DEDM-Net alcance precisão superior, o design de dois estágios baseado em difusão aumenta o tempo de inferência em comparação com redes de estágio único. Trabalhos futuros se concentrarão em destilação de modelo, inferência de precisão mista e amostradores mais rápidos para reduzir as etapas de difusão necessárias. A abordagem é promissora para sistemas de vigilância em tempo real, navegação autônoma de drones em condições de baixa visibilidade e redes de detecção precoce de incêndios florestais. Como observou a equipe, a estrutura também pode inspirar novos pensamentos sobre como modelos generativos e arquiteturas de espaço de estados podem ser combinados para outras tarefas desafiadoras de visão computacional nas quais a separação entre alvo e fundo é crítica.
A pesquisa foi apoiada pela Fundação Nacional de Ciências Naturais da China, pela Fundação Chinesa de Ciências Pós-Doutorais, pela Fundação de Ciências Naturais da Província de Heilongjiang e pelo Laboratório Nacional Chave de Percepção e Fusão de Informações Aéreas. O estudo completo está disponível em https://spj.science.org/doi/10.34133/remotesensing.1046, e informações adicionais podem ser encontradas em http://chuanlink-innovations.com.
