MIRSat-QL

High-quality annotated datasets from diverse scenarios play a crucial role in the development of deep learning algorithms. However, due to the strict access limitations of space-based infrared satellite platforms, space-based infrared small target datasets are scarce. Therefore, we have developed the MIRSat-QL dataset, based on a space-based infrared satellite platform, for space-based dynamic scene infrared target detection. Our data is synthesized from space-based infrared satellite images and ground-based infrared cameras capturing airborne targets. The specifics are as follows。背景图像来自上海技术物理研究所 （SITP） 开发的 QLSAT-2 核心有效载荷，其中包括 QLSAT-2 高分辨率光学相机。QLSAT-2 长波红外 （LWIR） 相机在 14 公里的高度提供 500 米的地面分辨率。背景序列包含复杂的场景，例如城市区域、海洋表面、陆地和云。运动目标图像由中波红外 （MWIR） 相机捕获，该相机记录飞机等机载目标，形成用于航空观测的红外运动目标数据集。对数据集进行注释以获得目标掩码。然后将掩码图像和背景图像融合以生成新的图像序列。具体来说，我们首先对掩码图像应用高斯平滑以柔化目标边缘，确保背景和目标之间更平滑的过渡。接下来，我们根据目标区域的像素强度对背景图像和掩码进行加权处理。在非目标区域中，背景被完全显示，而在目标区域中，像素强度被控制以调整目标信噪比。背景加权完成后，目标区域和背景区域被合并以产生最终的融合图像。目标区域的像素通过平滑的蒙版图像直接添加到加权背景图像中，确保两者之间自然平滑的过渡。