基于多模态成像的暗环境伪装目标探测OA

暗环境下,植被遮蔽、背景杂波和低照度噪声会显著削弱伪装目标与周围环境之间的可分性,导致传统强度成像方法难以实现稳定探测。为提高复杂植被场景中低可见度目标的检测能力,提出一种融合微光、偏振与光谱信息的多模态成像探测方法。基于目标与植被背景在红光和近红外波段的光谱响应差异,构建目标分离指数(Target Separation Index,TSI),用于增强植被背景下目标区域的显著性。引入偏振特征表征伪装目标表面与土块、枯叶等自然背景之间的反射差异,并采用HSV颜色空间融合策略,将TSI、夜视光强图像和偏振信息进行协同融合,生成目标增强图像。实验结果表明,TSI能够有效突出被植被遮蔽的目标区域,但仍易受到土块和枯叶等环境杂波干扰;所提融合方法能够进一步抑制该类误检,提高目标与背景的区分度。基于自建数据集的验证结果显示,融合图像的目标对比度达到0.924,检测率达到0.98。进一步结合YOLOv10模型开展应用实验,结果表明,相较于单一模态图像,融合图像能够获得更高的目标检测精度。本文方法充分利用了微光强度、光谱响应和偏振反射特征的互补优势,可有效提升暗环境植被遮蔽条件下伪装目标的检测性能。