一种基于拓扑-像素解耦分层优化的红外对抗扰动方法

本发明公开一种基于拓扑‑像素解耦分层优化的红外对抗扰动方法，属于人工智能安全与红外目标识别对抗技术领域。该方法包括：将红外图像输入目标检测模型，提取检测置信度与梯度显著性信息，初始化二值掩膜；采用强化学习智能体，选择当前演化动作；当动作为局部拓扑调整类动作时，在微观执行层采用启发式离散搜索对掩膜进行处理；当动作为像素扩展类动作时，在候选边界像素集合上，执行批量像素注入；构建奖励函数，更新强化学习策略并迭代执行上述操作，输出满足面积预算的最优二值对抗掩膜。本发明突破传统几何参数化方法的形状表达瓶颈，在严格像素稀疏约束下显著提升对主流红外目标检测器的扰动效果与跨场景鲁棒性。