基于注意力机制的红外与可见光图像融合目标检测方法.docxVIP

基于注意力机制的红外与可见光图像融合目标检测方法.docx

PAGE2

基于注意力机制的红外与可见光图像融合目标检测方法

摘要

在低光照或遮挡等恶劣视觉条件下，单一可见光图像目标检测往往面临特征丢失与误检漏检的困境，而红外图像虽具热辐射感知优势却缺乏纹理细节。为解决此痛点，本课题设计了一种基于注意力机制的红外与可见光图像融合目标检测方法。

核心方案采用双流特征提取网络分别提取两模态特征，并引入通道注意力机制自适应加权融合，以强化显著特征并抑制冗余噪声。全文按工程递进思路展开：首先进行需求分析明确精度与速度指标；其次开展总体与详细设计，构建双流融合架构及注意力算法；随后实现系统并攻克模态对齐与特征冗余难点；最终通过测试验证系统性能。

核心创新点在于设计了跨模态通道注意力融合模块，实现特征级动态交互。测试表明，在KAIST数据集上系统mAP达78.5%，较单模态提升逾12%，有效满足了复杂环境下的检测需求。

第一章绪论

1.1研究背景

随着自动驾驶、安防监控与军事侦察等领域的快速发展，目标检测技术面临着日益复杂的现实应用环境。在理想光照条件下，基于可见光图像的目标检测已取得卓越成就，但实际场景常伴随低光照、浓雾或严重遮挡等极端条件。

在这些恶劣环境中，可见光传感器成像质量急剧下降，目标纹理与边缘特征大量丢失，导致传统检测模型频繁出现漏检与误检。例如，夜间安防监控中行人常与暗色背景融为一体，常规算法难以提取有效判别特征。