Dado que los objetivos pequeños en imágenes infrarrojas de onda corta basadas en satélites espaciales son fácilmente opacados por nubes y ruido de fondo terrestre, y son difíciles de detectar en condiciones de baja relación señal-ruido, se propone un método mejorado de detección que fusiona un modelo disperso ponderado autorregularizado acelerado por Anderson (Self-Regularized Weighted Sparse, SRWS) con una medida de contraste local relativa (Relative Local Contrast Measure, RLCM). La introducción del mecanismo de aceleración Anderson reduce significativamente la complejidad computacional de la estimación de fondo, mientras que el uso del mapa de residuos de fondo y RLCM permite la detección multiescala de objetivos. Los resultados experimentales muestran que el algoritmo mantiene un rendimiento excelente en fondos complejos, con un área bajo la curva (Area Under Curve, AUC) máxima de 0.950 y mínima no inferior a 0.842; la ganancia de la relación señal-clutter (Signal-to-Clutter Ratio Gain, SCRG) es significativamente mejor que métodos tradicionales como la imagen de parche infrarrojo (Infrared Patch Image, IPI) y la medida de contraste local (Local Contrast Measure, LCM). Este estudio mejora eficazmente la precisión y estabilidad de la detección de objetivos pequeños en infrarrojo de onda corta basado en satélites espaciales, proporcionando una solución confiable para la detección de objetivos en fondos complejos en teledetección.

infrarrojo de onda corta; detección de objetivos pequeños; contraste local; estimación de fondo