面向复杂环境的频域导向稀疏融合多光谱目标检测算法OA

随着多光谱感知与智能视觉技术的发展,如何在复杂环境中实现稳定而精确的目标检测已成为自动化视觉检测领域的重要研究方向.针对传统单模态可见光目标检测在夜间、大雾及低照度等复杂环境中性能下降的问题,提出一种基于频域特征细化导向的多光谱稀疏融合目标检测方法.该方法利用共享权重的双分支编码器分别提取可见光与红外光特征,并通过组稀疏自注意力模块实现跨模态长距离特征筛选,以抑制冗余信息、增强显著特征表达.同时,设计频域自适应加权模块,在频域空间中进行多光谱特征解耦与自适应融合,实现不同光谱模态间的高效语义交互与动态权重分配.该方法可在端到端框架下实现跨模态特征的高精度对齐与融合,有效提升模型的检测精度与鲁棒性.在M3FD和FLIR数据集上取得83.5%和81.6%的mAP_(50)结果,在KAIST数据集上取得76.2%的AP_(50)结果,显著优于现有多光谱目标检测算法,验证了所提方法在复杂场景下的优越性能和泛化能力.