في عصر تتزايد فيه أهمية الأمان والمراقبة، تمثل القدرة على كشف الأهداف الصغيرة في التصوير بالأشعة تحت الحمراء خطوة هامة نحو تحقيق ذلك. ومع احتلال هذه الأهداف مساحة صغيرة نسبياً في الصور الملتقطة، يواجه نمط الرؤية التقليدي تحديات كبيرة في التعرف الدقيق عليها.

بهذه المناسبة، تُقدم الدراسة الجديدة نموذج RPCASSM (Robust PCA State Space Model) الذي يعتمد على تقنيات تحليل المكونات الرئيسية، ويهدف إلى تحسين كفاءة الكشف عن هذه الأهداف. يشتمل النموذج على وحدتين رئيسيتين: وحدة نمذجة الخلفية (BSSM) ووحدة نمذجة الهدف (TSSM)، حيث تعتمد كل منهما على الخصائص الطبيعية للأهداف الصغيرة في المجال المكاني.

تعمل وحدة BSSM على تصميم آلية مسح هندسية تعتمد على الخاصية الملحوظة للإشارات المكانية المتغايرة، مما يساعد في نمذجة المعلومات الخلفية بدقة. بينما تفترض وحدة TSSM تصميم آلية مسح موجهة تعمل على تسليط الضوء على الأهداف الصغيرة وتكيف المساحة لتمكين نمذجة أكثر دقة.

نتائج التجارب على مجموعات بيانات معيارية أثبتت فعالية نموذج RPCASSM في معالجة مشكلات نمذجة الهيكل الحدي للأهداف الصغيرة. كُل هذا التحسين في الأداء يُعتبر قفزة نوعية في مجال المراقبة والأمن، وسيتم نشر الكود الخاص بالنموذج لمساعدة الباحثين والمطورين في الاستفادة منه.