多光谱融合提升光电图像目标识别精度的新策略
李明择

山东建筑大学理学院，山东济南，250102；

摘要：随着现代光电探测技术的发展，单一波段成像在复杂环境下的目标识别能力已显不足。本文提出一种基于自适应权重分配与跨模态特征对齐的多光谱融合新策略，旨在提升目标识别的鲁棒性与精度。该策略融合可见光、近红外与热红外三类典型光电图像，通过设计通道-空间双重注意力机制，动态评估并调整各波段在不同场景下的贡献度；同时引入对比学习框架，在特征空间中拉近同一目标跨模态表示的距离，推远不同类别样本，实现语义层面的一致性对齐。实验在自建城市道路多光谱数据集（含5000组三模态图像）及公开基准KAIST、FLIR ADAS上系统验证。结果表明，所提方法在目标检测mAP@0.5指标上平均提升6.8%，在夜间、烟雾或强眩光等恶劣条件下性能增益最高达9.1%。模型在NVIDIA Jetson AGX平台实现28 FPS推理速度，兼顾轻量化与实时性。本研究不仅为多光谱信息融合提供了兼具理论创新与工程实用性的新范式，也为智能安防、自动驾驶等实际应用场景中的鲁棒感知系统构建提供了有效技术路径。

关键词：多光谱融合；目标识别；注意力机制；跨模态对齐

参考文献

[1]袁鹏飞.基于多光谱LIDAR点云的道路网提取[D].武汉大学,2018.

[2]孙昆,武一,牛雅睿,等.基于多阶段交叉信息融合的多光谱行人检测[J].电子测量技术, 2023, 46(15):118-125.

[3]徐安健,刘海,杨庆华,等.两视场热像仪或两视场光学精密成像仪器基准面装调装置:CN202121641437.5[P].CN215598672U[2026-04-02].