【儀表網 研發快訊】近日，合肥工業大學儀器科學與光電工程學院劉羽教授團隊在紅外小目標檢測研究方向取得新進展。相關研究成果以“SP-KAN: Sparse-sine perception Kolmogorov-Arnold networks for infrared small target detection”為題發表在遙感領域頂級期刊《ISPRS Journal of Photogrammetry and Remote Sensing》(IF：12.2)上。
紅外小目標檢測是低空偵察、戰略預警和高精度導航等遠距離態勢感知系統中的關鍵技術。受探測距離限制，目標多呈現像素有限、信雜比低、紋理稀缺及邊緣模糊等特點。同時，背景雜波往往具有強熱輻射響應，容易將目標信號淹沒，使得該任務極具挑戰。近年來，紅外小目標檢測方法取得了顯著進展，但多數方法仍依賴由可學習線性映射和固定激活函數構成的MLP范式。然而，在檢測過程中，從圖像到掩碼的映射常涉及目標強度、空間結構與上下文信息等多因素之間的強非線性關系。受限于函數表達能力，傳統MLP方法難以充分刻畫上述映射關系，從而制約了模型在復雜場景下的檢測性能。
針對上述問題，團隊提出了基于稀疏正弦感知的科爾莫戈洛夫-阿諾德網絡SP-KAN，將該任務建模為由稀疏非線性模塊驅動的全局上下文調制問題：提出模式互補模塊PCM，將符號化表示的通道映射與結構化表示的局部空間統一建模，增強目標與雜波的可分性；引入稀疏正弦感知層SPKAL在像素層面感知原始非線性空間與高維正弦潛空間，建立神經元間細粒度關系。實驗結果表明，SP-KAN在檢測精度、魯棒性和泛化能力方面優于主流方法。該項研究提出的紅外小目標檢測方法能夠為復雜場景下紅外小目標魯棒檢測與智能感知提供理論方法和關鍵技術支撐，對遠距離態勢感知系統建設具有重要意義。
合肥工業大學為論文的第一完成單位。儀器科學與光電工程學院博士后袁帥為論文的第一作者，劉羽教授和西安電子科技大學延翔副教授為論文的共同通訊作者。該研究工作得到了國家自然科學基金(62576132、U23A20294)和教育部基礎學科和交叉學科突破計劃(JYB2025XDXM109)等項目的資助。
所有評論僅代表網友意見，與本站立場無關。