Devido à facilidade com que alvos pequenos e fracos em imagens de infravermelho de onda curta baseadas no espaço são ocultados por nuvens e ruídos do solo, e pela dificuldade de detecção em condições de baixa relação sinal-ruído, propõe-se um método de detecção aprimorado que integra um modelo esparso ponderado auto-regularizado com aceleração de Anderson (Self-Regularized Weighted Sparse, SRWS) e uma medida de contraste local relativo (Relative Local Contrast Measure, RLCM). Ao introduzir o mecanismo de aceleração de Anderson, a complexidade computacional da estimativa do fundo foi significativamente reduzida, utilizando o mapa de resíduos do fundo e o RLCM para alcançar a detecção multiescala de alvos. Os resultados experimentais mostram que o algoritmo mantém um desempenho excelente em cenários complexos, com área sob a curva (Area Under Curve, AUC) máxima de 0,950 e mínima não inferior a 0,842; o ganho na relação sinal-ruído (Signal-to-Clutter Ratio Gain, SCRG) é significativamente melhor do que os métodos tradicionais, como a imagem de patch infravermelha (Infrared Patch Image, IPI) e a medida de contraste local (Local Contrast Measure, LCM). Este estudo melhora efetivamente a precisão e estabilidade da detecção de alvos pequenos e fracos em infravermelho de onda curta baseado no espaço, fornecendo uma solução confiável para a detecção de alvos em fundos complexos.

infravermelho de onda curta;detecção de alvos pequenos e fracos;contraste local;estimativa de fundo