نظرًا لأن الأهداف الصغيرة في صور الأشعة تحت الحمراء قصيرة الموجة الفضائية تتعرض بسهولة للاختفاء خلف السحب والتشويش الأرضي، ويصعب اكتشافها في ظروف نسبة إشارة إلى ضوضاء منخفضة، تم اقتراح طريقة كشف محسنة تدمج نموذجًا نادرًا موزونًا ذاتي التنظيم ومدعوم بتسريع أندرسون (Self-Regularized Weighted Sparse ، SRWS) مع مقياس التباين المحلي النسبي (Relative Local Contrast Measure ، RLCM). من خلال إدخال آلية تسريع أندرسون، تم تقليل تعقيد حساب تقدير الخلفية بشكل ملحوظ، وتم تحقيق كشف متعدد المقياس للأهداف باستخدام خريطة بقايا الخلفية و RLCM. أظهرت النتائج التجريبية أن خوارزمية هذه الدراسة لا تزال تحافظ على أداء ممتاز في بيئات ذات خلفية معقدة، حيث وصل مجال تحت منحنى تشغيل المستلم (Area Under Curve ، AUC) إلى 0.950 كأعلى قيمة ولم يقل عن 0.842 كأدنى قيمة؛ كما أن كسب نسبة الإشارة إلى التشويش (Signal-to-Clutter Ratio Gain ، SCRG) كان أفضل بشكل ملحوظ من طرق تقليدية مثل صورة الرقعة تحت الحمراء (Infrared Patch Image ، IPI) ومقياس التباين المحلي (Local Contrast Measure ، LCM). تعمل هذه الدراسة على تحسين دقة واستقرار كشف الأهداف الصغيرة في الأشعة تحت الحمراء قصيرة الموجة الفضائية، مما يوفر حلاً موثوقًا للكشف عن الأهداف في الخلفيات المعقدة في الاستشعار عن بعد.

الأشعة تحت الحمراء قصيرة الموجة;كشف الأهداف الصغيرة;التباين المحلي;تقدير الخلفية