最新刊期
-
摘要：目的针对复杂交通场景中车辆转弯引起的活动轨迹状态更新不稳定，以及短期丢失轨迹缺乏针对性更新机制的问题，提出一种面向车辆转弯场景的轨迹状态更新与关联增强多目标跟踪，以缓解车辆转弯过程中易出现的漏检、身份切换和轨迹中断现象。方法首先该方法设计快慢双时间尺度记忆模块，针对车辆转弯时运动方向和空间位置变化快、外观信息变化相对缓慢的特点，分别对外观慢变信息与运动快变信息进行递推建模，并通过状态融合缓解单一流状态递推中快慢信息相互干扰的问题。其次该方法设计了短期丢失轨迹状态更新模块，结合最近更新轨迹嵌入、边界框变化趋势与丢失时长，对短期丢失轨迹进行状态递推，缓解了短期丢失轨迹与当前目标的状态偏移现象。结果该方法在FastTracker、CityFlow和TrafficMOT数据集上，在高阶跟踪准确率（higher order tracking accuracy，HOTA）、关联准确率（association accuracy，AssA）、身份切换次数（identity switches，IDs）以及轨迹碎片化次数（fragmentations，Frag）等跟踪相关指标上取得较优表现。结论所提方法能够有效提升车辆转弯场景下轨迹关联的稳定性与连续性，增强复杂交通场景中的车辆多目标跟踪性能。关键词：车辆多目标跟踪;车辆转弯;关联增强;轨迹状态更新;快慢双时间尺度记忆7|2|0更新时间：2026-07-28 -
摘要：头发的三维重建作为计算机视觉与计算机图形学领域中的重要研究方向，旨在精确建模头发复杂的几何结构与外观特性。现有的头发重建方法大多建立在理想光照假设下，能够在简单发型上取得较好效果，但在面对复杂光照条件以及致密卷发、高卷曲发型等高复杂度发型时，难以保持几何结构的准确性与重建结果的稳定性。本文提出一种基于自适应高斯椭球表示并具备复杂光照鲁棒性的多视图三维头发重建方法，能够在真实复杂场景中实现高精度的头发几何结构建模及细节丰富、外观一致的纹理重建。具体来说，本文提出了一种结合视觉语言模型（Vision-Language Model，VLM）与三维高斯泼溅（3D Gaussian Splatting，3DGS）的重建框架，实现对复杂发型（如致密卷发、高卷曲发型）的精细几何建模与逼真外观恢复。本文在多视图三维头发重建领域引入VLM对多视角图像进行光照质量评估与发型复杂度分析，构建光照-复杂度双感知的闭环引导机制。智能定位低光及逆光视角，动态调整高斯椭球密度，实现稀疏几何区域的自适应填充。本文设计了几何-纹理解耦优化策略，先联合优化几何与颜色，再在固定几何下微调颜色。实验结果表明，本文方法在自建数据和公共数据集上的定性结果均优于现有最先进方法（如Gaussian Haircut、Im2Haircut、DiffLocks），在几何精度、方向一致性和纹理恢复上均取得提升。与 Gaussian Haircut 相比，本文方法的PSNR（Peak Signal-to-Noise Ratio） 提高0.54dB，SSIM （Structural Similarity Index Measure）提高0.004，LPIPS（Learned Perceptual Image Patch Similarity）降低0.01，验证了本文方法在重建质量与视觉一致性方面的有效性。综上，本文方法通过引入视觉语言模型与自适应密度控制的协同机制，提升了复杂光照与高复杂度发型条件下的三维头发几何重建精度与稳定性，实现了几何结构与外观纹理的一致重建，并增强了方法在真实场景中的鲁棒性与泛化能力。本文方法的代码已开源至GitHub平台（https：//github.com/Blueekyyy/CURL），同时已在ScienceDB平台完成代码公开（https：//doi.org/10.57760/sciencedb.j00240.00223）。关键词：三维头发重建;视觉语言模型;复杂光照;自适应密度控制;几何-纹理解耦4|2|0更新时间：2026-07-28 -
语义通信联合优化的电力图像监测 AI导读
摘要：目的电力图像监测主要分为传输与识别过程，传统监测方法未从语义层面考虑将二者进行联合优化，使得传输过程中目标语义信息无法充分提取，进一步导致了图像识别率偏低。针对电力图像受噪声干扰导致监测效率低下问题，提出一种基于语义通信联合优化的端到端电力图像监测方法。方法首先，在语义通信框架下设计轻量化卷积自编码器（convolutional autoencoder，CAE）传输模型，并引入基于通道注意力机制模块，使得模型更关注电力语义特征。其次，以vision transformer（ViT）为主体架构设计ViT识别模型，提出注意力引导的卷积编码模块，使得模型更好的理解电力图像局部语义特征。级联上述模型得到CAE-ViT模型，作为电力图像监测框架，并基于所提框架的参数空间扩展与语义优化方向设计联合训练方法，实现语义通信联合优化的电力图像监测。结果实验采用中国电力线路绝缘子数据集（chinese power line Insulator dataset，CPLID）和电力线路资产巡检数据集（inspection power line asset dataset，InsPLAD）进行验证，与对比方法相比，本文方法在低信噪比（-10dB~10dB）条件下电力图像监测识别率提高了4%~26%，验证了所提方法有效性。结论本文提出的方法在复杂电磁环境无线信道中更具鲁棒性，且进一步提升了电力图像的监测效率，为电力图像监测实际应用部署提供了有益的技术借鉴。关键词：语义通信;电力图像监测;语义图像传输;电力图像识别;复杂电磁环境;联合训练;语义优化方向5|2|0更新时间：2026-07-28 -
摘要：针对雾霾场景下图像低对比度、目标边缘模糊以及复杂背景干扰导致目标检测性能下降的问题，提出一种面向雾霾场景的特征增强目标检测网络SD-YOLO11。该方法以YOLO11为基础，从主干网络与颈部网络两个层面对模型进行协同优化。在主干网络中，引入SIBlock模块，通过递归空间交互增强模糊目标与小目标的特征表达能力；结合GhostConv与ADown模块，在降低计算冗余的同时提高关键特征保留能力。在颈部网络中，设计改进的BifpnCat特征融合结构，以增强多尺度语义信息与细节信息的交互能力；同时引入DASI注意力机制，对目标相关特征进行自适应增强，从而提升复杂雾霾场景下的目标感知能力。此外，通过优化特征拼接路径并增加P2检测头，进一步增强网络对小目标与低分辨率目标的检测能力。为了验证所提方法的有效性，在HazyDet、Foggy Cityscapes和RTTS数据集上开展对比实验。实验结果表明，SD-YOLO11在HazyDet数据集上的 -
融合光谱提示与混合注意力的高光谱 AI导读
摘要：目的分割一切模型（segment anything model 2， SAM 2）在目标跟踪领域已取得显著进展，其具备强泛化的分割先验以及长时序建模能力，能够目标跟踪提供空间信息支持，缓解背景混淆与遮挡后重现易丢失等跟踪关键难题。然而，SAM 2无法利用高光谱数据中的光谱判别信息，当目标与背景在空间纹理上高度相似等情况时，仅依赖空间语义先验生成的掩码可能出现漂移。因此，针对高光谱目标跟踪中目标与背景分离不充分等问题，提出一种面向高光谱目标跟踪的光谱提示与混合注意力方法。方法以分割一切模型SAM 2为基础构建跟踪框架：在空间维度，利用语义掩码进行像素级目标—背景分离；在时序维度，通过记忆库与记忆注意力建立跨帧长时依赖，增强遮挡重现后的关联与恢复；在光谱维度，提出混合嵌入网络以对齐高光谱数据分布，并引入混合注意力与光谱嵌入模块，将目标光谱信息编码为提示向量、学习波段间深层语义关系。此外，为了促进相关领域研究，构建了首个高光谱空中目标跟踪数据集AHOT。结果在3个数据集上与6种最新方法对比，所提方法在HOTC-2024-RedNIR数据集上DP_20相比第二名提升4.08%，在AHOT数据集上DP_20相比第二名提升15.57%，对比实验结果证明所提算法改善了目标跟踪的性能。此外，本文方法的推理速度达到15.4 FPS，在实现较高精度的同时具有近实时的工程效率。结论通过掩码级目标分离与长时记忆建模，并结合光谱嵌入与注意力融合策略，所提方法显著提升了复杂场景下高光谱目标跟踪的精度与鲁棒性。构建数据集将在科学数据银行公开（31253.11.sciencedb.j00240.00255）。关键词：高光谱目标跟踪;分割一切模型;注意力机制;光谱提示;特征提取8|2|0更新时间：2026-07-28 -
频域知识引导的高光谱图像开集识别方法 AI导读
摘要：目的针对高光谱图像开集识别中存在的异物同谱现象，以及传统深度模型基于闭集假设对未知类产生过度自信误判的问题，提出一种频域知识引导的高光谱开集识别方法（frequency knowledge-guided contrastive learning，FKCL）。方法本文提出一种数据驱动与物理知识协同的双分支网络架构。其中，特征分支利用3D-2D混合卷积网络提取深层空谱语义特征。频域分支利用实值快速傅里叶变换提取地物中心光谱的频域物理属性，并通过指数移动平均在线更新各类别的频域原型。在此基础上，该方法引入基于类锚点聚类损失的双重距离决策机制，从而在特征度量空间与频域物理空间中为已知类构建准确的判别边界。结果在 WHU-Hi-LongKou、Pavia University 和 Salinas 三个公开高光谱数据集上，采用类别留出协议构造伪未知类，对 FKCL 方法进行开集识别评估。实验结果表明，FKCL 在保持已知类分类性能的同时能够提升对伪未知类的拒识能力。其中，在 Pavia University 数据集上，模型总体准确率（overall accuracy，OA）达到 92.02%，未知类识别准确率为 100.00%。同时，不同数据集上的性能提升存在差异，Salinas 中多个未知类与已知类光谱高度相似，未知类拒识仍更具挑战性。结论本文方法通过引入频域物理先验知识作为特征距离度量的补充，缓解了传统深度学习模型对伪未知类样本过度自信的问题。在类别留出构造的伪未知评测协议下，FKCL 提升了模型对训练阶段未见地物类别的鉴别与拒识能力。关键词：高光谱图像;开集识别;频域引导;类锚点聚类;空谱融合;双分支架构56|67|0更新时间：2026-07-16 -
校准对比学习表征驱动的视觉对抗模仿学习 AI导读
摘要：目的视觉模仿学习旨在从高维图像观测中学习智能体控制策略，但相比基于低维本体状态的方法，其性能仍存在明显差距。主要原因在于，像素观测中的关键行为差异较为细微，视觉编码器难以学习具有充分判别性的状态表征。已有视觉对抗模仿学习方法主要关注专家样本与智能体样本之间的区分，未充分利用智能体回放样本的内部结构信息，也未显式建模智能体策略在训练过程中逐步接近专家策略的动态演化特征。为提升高维视觉观测下的表征判别能力与训练稳定性，本文提出一种基于校准对比学习的视觉对抗模仿学习方法。方法本文在生成对抗模仿学习框架中引入校准对比表示学习机制，通过“拉近相似状态、分离差异状态”的方式增强视觉编码器的判别能力。不同于已有方法主要关注专家样本与智能体样本之间的静态区分，本文进一步挖掘回放缓冲区的内部样本结构，并建模智能体样本质量随训练过程逐步提升的动态特征。具体而言，本文将智能体样本视为高质量样本与低质量样本的混合分布，并利用校准监督对比损失自适应调整其与专家样本之间的对比关系，从而提升视觉表征质量和对抗训练稳定性。结果在DMControl Suite的9个连续控制任务上进行了实验验证。实验结果表明，所提出方法CAIL（contrastive adversarial imitation learning）在多个任务上取得了更高的累计回报，并在训练早期表现出更好的样本效率。与代表性方法PCIL（policy contrastive imitation learning）相比，CAIL在1M时间步的平均性能提升了22.6%。消融实验进一步验证了智能体无监督对比损失和校准监督对比损失的有效性，可视化结果表明CAIL能够更加准确地关注智能体关节等行为相关区域。结论本文提出的校准对比视觉对抗模仿学习方法能够更充分地利用智能体回放样本，并动态刻画智能体样本质量随训练过程变化的特征，从而提升视觉状态表征的判别能力和对抗训练稳定性。该方法为高维视觉观测条件下的模仿学习提供了一种有效的表征学习思路。关键词：强化学习;模仿学习;对抗模仿学习;对比学习;表征学习117|89|0更新时间：2026-07-02 -
摘要：目的针对实际视频监控场景中，无人机目标像素占比小、外观特征微弱，易被复杂动态背景掩盖，传统单帧目标检测算法无法有效利用帧间时序运动信息，导致微小目标漏检、误检频发的核心问题，开展视频微小无人机目标检测方法研究，为低空安防系统提供可靠的视觉检测方案。方法提出时序运动感知双分支网络（Temporal Motion-Aware Dual-Branch Network， TMAD-Net）。具体地，空间语义提取分支提取多帧堆叠图像的空间语义特征，显式运动先验分支通过去噪帧差图像捕捉目标高频运动特征，并使用运动-空间自适应融合模块融合双分支特征，从运动与空间维度自适应增强目标信号、抑制背景噪声，后输入主干网络完成微小无人机目标检测。结果在公开的ARD-MAV数据集以及真实场景采集的Phone与DJI两个无人机数据集上开展对比实验，结果表明，在ARD-MAV数据集中，mAP50从基线的0.264提升至0.588，mAP50-95从0.155提升至0.334；在Phone数据集中，mAP50从基线的0.802提升至0.887，mAP50-95从0.590提升至0.638；在DJI数据集中，mAP50从0.316提升至0.822，mAP50-95从0.083提升至0.266；推理速度达122FPS，满足实时检测需求。结论所提时序运动感知双分支网络模型通过显式分离并深度融合多帧空间与运动特征，结合运动-空间自适应融合模块精准校准，有效弥补了传统单帧算法对微小目标特征表征能力不足的缺陷，突破了复杂背景下视频微小目标检测的性能瓶颈，显著提升了微小无人机目标检测的准确率与鲁棒性。关键词：视频目标检测;无人机;微小目标;运动解耦;时序运动感知;空间语义提取98|77|0更新时间：2026-07-02 -
少样本数据下的语音深度伪造归因方法 AI导读
摘要：目的语音深度伪造归因是指通过捕捉不同语音合成模型生成语音时留下的独特模型特征，精准识别并确认伪造语音来源的技术，不仅能为人工智能治理提供可解释性证据，也能推动AI语音行业的规范发展，倒逼平台落实内容溯源与监管义务，已成为人工智能安全的研究热点之一。然而，已有方法存在特征提取能力不足、泛化性能有限的问题，难以满足实际应用需求。方法为此，本文提出一种少样本数据下的语音深度伪造归因方法（Low-resource Audio Deepfake Attribution，LADAR），利用多层特征融合的特征提取策略与多原型学习机制，实现少样本数据下的语音深度伪造精准归因。具体来说，首先构建基于多层特征融合的特征提取方法，通过可学习注意力权重聚合预训练Wav2Vec2-BERT 2.0模型的各层隐藏状态，并引入浅层偏置因子，将全局特征动态融合，生成强判别性的模型嵌入表示；其次，设计多原型学习模块，为每类伪造方法生成多个原型向量以丰富类内多样性，提高识别准确率；最后，分别在已知和未知语音伪造场景下验证LADAR方法的归因性能。结果与已有方法相比，针对已知语音伪造方法场景，LADAR方法的准确率分别提升35.25%、26.26%、9.22%和5.65%，F1分数分别提升38.82%、27.42%、7.23%和5.74%；针对未知语音伪造方法场景，LADAR方法的准确率分别提升了15.80%、37.51%、10.73%和10.42%，F1分数分别提升了20.29%、34.17%、11.40%和12.33%；结论对比实验结果表明，LADAR方法可有效解决语音深度伪造归因问题，具有较强的准确性和泛化性，可为司法取证、溯源追踪等实际场景提供了有效的技术支撑。关键词：语音深度伪造归因;少样本学习;特征融合;多原型网络;音频鉴伪46|55|0更新时间：2026-07-02 -
摘要：目的多光谱遥感图像林地变化检测是生态监测领域的重要研究方向之一。针对双时相图像中成像条件差异引起的伪变化，以及复杂地物变化在尺度与形态上的多样性问题，设计了一种频域增强分层交互网络，以提升复杂场景下林地变化检测的准确性与鲁棒性。方法首先，构建频域特征增强模块，在频域对双时相特征进行增强，以抑制由成像条件不一致引起的风格差异等伪变化干扰。其次，设计跨时相相关引导交互模块，通过对双时相特征的充分交互与相关性引导，增强网络对局部细微变化区域的识别能力。最后，通过空-谱耦合交互模块，对不同网络深度的变化特征进行整合，融合浅层细粒度结构信息与深层语义信息，实现对多尺度、多形态林地变化对象的联合感知。结果实验在3个林地变化检测数据集上与Spectral-Former、CSANet（cross-temporal interaction symmetric attention network）、TriTF（triplet Transformer framework）、DIEFEN（differential information-enhanced feature exchange network）、FrFTML（fractional Fourier transform domain decoupling-based adaptive weighted metric learning network）和AIWSEN（Adaptive information weighting and synchronized enhancement network）等先进方法进行了对比分析。在R1数据集中，所提出方法的Kappa系数达到0.8102，相比性能次优方法提升1.09%；在R2数据集中，Kappa系数提升2.62%；在R3数据集中，Kappa系数提升1.74%。同时，在三个数据集上的消融实验进一步验证了所提模块的有效性。结论本文所提方法能有效缓解双时相风格差异引起的伪变化干扰，并提升对细微变化与多尺度变化对象的检测能力，从而获得更为准确、稳定的林地变化检测结果。关键词：多光谱遥感图像;林地变化检测;频域特征;特征交互;多尺度变化感知68|61|0更新时间：2026-07-02 -
差异化重建驱动的残差引导人脸伪造检测 AI导读
摘要：目的随着人脸伪造技术的快速发展与广泛传播，由其引发的虚假信息泛滥与身份冒用诈骗等社会问题日益严峻。现有的基于人脸图像重建的伪造检测方法仅进行真实或伪造人脸的单视角重建，未显式放大二者重建前后的差异，导致网络模型的检测准确率和泛化性能提升有限。针对上述问题，提出一种差异化重建驱动的残差引导人脸伪造检测方法，扩大真伪人脸重建前后的差异，显著提升了模型检测性能。方法首先，为了显式放大真伪人脸重建前后的差异，提出一种对比差异化重建网络（Contrastive Differential Reconstruction Network，CDRNet），分别为真实与伪造人脸构建清晰与模糊图像的重建目标，提升整体网络模型对真伪人脸的辨别能力。其次，考虑到现有检测方法对残差图的引导信息利用不充分等问题，设计了残差双域引导模块（Residual Dual-Domain Guidance Module，RDDGM），深度融合图像的空间域与高频域特征，并利用重建残差信息引导融合后的双域特征，增强了网络模型捕捉细微伪造痕迹的能力。此外，为了促使模型学习不同伪造方法之间的通用伪造特征，设计了文本感知损失模块（Text-Aware Loss Module，TALM），通过引入文本模态信息的引导，进一步优化对比差异化重建结果，大幅提升了网络模型对未知伪造方式的泛化性能。结果在域内实验中，与性能最好的对比方法相比，该方法的准确率（accuracy，ACC）与曲线下面积（area under the curve，AUC）指标分别提升2.83%和1.75%。在跨域实验中，该方法在5个公开测试集上与13种典型方法进行性能测试与比较，平均AUC指标提高1.75%。结论本文在人脸伪造检测中创新性结合对比学习与图像差异化重建，显著提升了模型对未知伪造方式的检测准确率，在多个基准测试中性能优于已有方法。关键词：深度伪造检测;人脸伪造检测;多任务学习;对比差异化重建;残差双域引导99|76|0更新时间：2026-07-02 -
摘要：目的小样本图像分类旨在利用极少量标注样本完成新类别识别。现有图文语义增强方法多依赖类别名称或简短提示，语义粒度较粗，难以充分刻画类别局部属性、外观细节及类间细微差异；同时，文本语义与视觉特征之间存在模态鸿沟，简单融合方式难以实现充分对齐。为此，提出一种面向多粒度语义对齐的图文语义多分支对齐网络（text-visual semantic multi-branch alignment network，TSMA-Net）。方法设计语义信息挖掘模块，以类别名称为语义锚点，引导大语言模型离线生成包含外观特征、局部属性和差异线索的细粒度语义描述，并通过语义精炼压缩冗余信息与歧义表达。进一步通过语义适配模块，将类别名称语义与多角度细粒度语义表示进行加权融合，得到更加稳健且具有判别性的类别文本表示。在此基础上，提出多分支对齐模块，将融合语义投影到多个独立子空间，与视觉特征进行深度对齐和交互，并结合残差重校准结构抑制跨模态噪声，提升语义特征的表达能力。最终通过视觉原型与语义增强原型双路径协同完成查询样本分类。结果在miniImageNet、tieredImageNet、CIFAR-FS和FC100上，TSMA-Net均取得稳定提升。与相同Visformer-Tiny骨干的SimpleFSL相比，在1-shot/5-shot任务上分别提升2.11%/0.47%、2.35%/0.49%、1.21%/0.28%和0.54%/0.10%。消融实验验证了各模块的有效性。结论所提出的TSMA-Net能够在小样本场景下有效挖掘更丰富、更具判别性的类别语义信息，并实现语义与视觉特征的深度对齐，从而提升类别原型的表征能力与分类性能。该方法在多个标准基准数据集上表现出良好的有效性与泛化能力，尤其在1-shot任务中优势更为明显。关键词：小样本学习;小样本图像分类;原型学习;多模态学习;跨模态语义对齐;大语言模型52|93|0更新时间：2026-07-02 -
摘要：无人机凭借全天候、全天时探测优势，在边境监控及灾害救援等领域发挥重要作用。然而，现有的红外-可见光（IR-VIS）多模态目标检测研究过度依赖理想化的“像素级对齐”假设，且数据集普遍存在目标尺度分布极化、类别同质化等问题，导致现有算法在处理具有真实视差及动态尺度演变的无人机航拍数据时，极易出现特征失配、定位漂移及漏检误识。基于以上问题，文中构建了一个面向真实弱配准场景的多模态、多尺度、多类别无人机目标检测基准数据集DIV（drone-based IR-VIS object detection）。该数据集保留了红外与可见光图像之间因无人机传感器安装差异、视角变化及飞行抖动等因素在实际应用中产生的非线性空间偏移。数据集内容涵盖从像素占比极低的微小型目标到显著区域的大型目标，并引入了行人、非机动车、各类车辆等多样化类别。拍摄环境覆盖城市、山区及乡村，并细分为日间、傍晚和弱光三种典型光照场景。同时，通过独立模态的人工高精度标注及多轮交叉验证机制，确保了弱对齐约束下的语义一致性。选取了9种主流多模态目标检测算法在所提数据集上进行基准测试。实验结果表明，在理想对齐数据集中表现优异的方法，在本数据集的弱配准场景下性能出现不同程度的下滑。一些模型方法在特定维度上表现出色，但在应对极端复杂环境时的综合感知能力仍显不足。面对真实环境中的复合挑战，构建一套多维协同优化体系以强化对多模态信息的提取与整合能力，是提升无人机平台感知鲁棒性的关键。提出的数据集有效弥合了多模态探测算法的“理想假设”与无人机数据“现实分布”之间的鸿沟，为构建多维协同优化体系提供了真实的验证平台，在数据层面为弱对齐约束下的跨模态特征融合与鲁棒检测研究提供了关键支撑。DIV数据集发布地址为：https：//www.scidb.cn/preview？dataSetId=d1e8909592e04cc2a1095e62f579ead1&version=V1。关键词：航空遥感影像;多模态图像融合;跨模态对齐;红外与可见光;目标检测34|29|0更新时间：2026-07-02 -
摘要：遥感图像配准作为遥感图像处理中的基础性与关键性任务，始终是国内外学者的研究热点，具有重要的理论意义与应用价值。然而，遥感图像常面临显著几何畸变、非线性辐射差异、复杂地物遮挡及噪声干扰等挑战，制约了其高精度鲁棒配准的实现。本文系统梳理了遥感图像配准算法：首先，概述配准的基本概念与技术框架；其次，将现有方法划分为两类进行归纳梳理——基于知识驱动专家设计的方法与基于数据驱动深度学习的方法。前者依托手工设计特征及变换模型，通过显式特征提取与迭代优化实现传统场景下的可解释性配准，典型代表为尺度不变特征变换及其改进算法；后者利用深度学习网络自动学习图像对间的特征或映射关系，提取高级特征用于配准或端到端预测变换模型，有效应对显著几何畸变、非线性辐射差异等复杂场景，典型方法包括基于卷积神经网络的特征匹配网络及其改进网络。最后，总结现有方法的局限性，并展望遥感图像配准领域的未来发展趋势与面临的关键挑战。关键词：遥感图像配准;知识驱动;数据驱动;特征匹配;深度学习80|115|0更新时间：2026-06-22 -
摘要：目的合成孔径雷达（Synthetic Aperture Radar，SAR）至光学图像（SAR-to-Optical，S2O）翻译是实现全天候对地观测的关键技术。现有方法面临两大瓶颈：一是未能有效解耦SAR乘性相干斑噪声与地物信号，导致跨模态特征融合与表达能力不足；二是主流扩散生成模型计算代价高昂，难以满足在资源受限遥感平台下的实时处理需求。针对上述问题，本文提出一种空频强稀疏引导的扩散模型（Spatial-Frequency Strongly-Sparse Guided Diffusion Model，SFSG-Diff），旨在实现更稳健高效的S2O转换。方法设计多尺度空频去噪编码（Multi-scale Spatial-Frequency Denoising Encoder，MDE），利用空频域特征互补性显式分离噪声与有效信号，抑制噪声并增强地物结构表达；提出轻量化的强稀疏语义融合（Strong-Sparse Semantic Fusion，SIF），仅对部分特征流高效融合，以低计算代价实现多尺度特征精准引导；采用两阶段训练策略，融合感知、聚焦频率与对抗损失联合优化。结果在SEN1-2，QXS-SAROPT和WHU-OPT-SAR三个数据集上的实验表明，本方法在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）、结构相似度（Structural Similarity Index，SSIM）、学习感知图像块相似度（Learned Perceptual Image Patch Similarity，LPIPS）和弗雷歇初始距离（Fréchet Inception Distance，FID）上均取得最优的结果，其中在SEN1-2数据集上与次优结果相比PSNR与SSIM分别提升0.77dB与17.8%，LPIPS与FID分别降低8.0%和17.6%。模型参数量少、计算复杂度低，单次推理仅需0.21秒，较同类扩散模型最优结果提速约69.1%，效率接近传统生成对抗网络。结论SFSG-Diff可有效抑制SAR斑点噪声，实现跨模态高质量图像生成，兼顾性能与计算效率，适用于计算资源受限的遥感平台，为实时SAR图像处理提供可行方案。关键词：SAR至光学图像翻译;扩散模型;特征融合;遥感图像;多尺度编码;强稀疏引导71|168|0更新时间：2026-06-22 -
摘要：目的针对视觉显著性预测中长程建模开销较大、复杂背景响应易随全局传播扩散以及解码上采样导致注视热点不够集中的问题，提出一种不确定性门控Mamba建模增强与动态频域调制相结合的显著性预测网络（Spatio-Spectral Uncertainty-Gated Mamba Network ，S²UG-Mamba）。方法在编码端，设计不确定性感知状态空间增强模块（Uncertainty-Aware State Space Enhancement Module，UA-SSM），通过双向蛇形交叉扫描Mamba建模捕获长程上下文信息，并结合空间与通道方差统计进行不确定性估计，生成置信度门控，以抑制不可靠区域响应。在解码端，针对连续上采样引起的预测响应扩散问题，提出语义引导的动态频域调制模块（Semantic-Guided Dynamic Frequency Modulation Module，SDFM），利用深层语义先验对频域调制过程进行动态引导，从而提升注视热点区域的响应集中性。结果在SALICON、MIT300等5个公开数据集上的实验结果表明，所提S²UG-Mamba在多个主流评价指标上均优于现有先进方法。与GSGNet相比，S²UG-Mamba在LSUN'17竞赛上将KL由0.190降低至0.176，降低7.4%，IG达到0.943，提升4.0%；在MIT300盲测中，CC相对提升2.2%，KL降低9.8%；在MIT1003零样本测试中，NSS、CC和SIM分别提升2.2%、2.0%和5.6%，KL降低5.1%。结论所提方法实现了长程上下文建模、背景噪声抑制和显著结构恢复的协同优化，在保持较高计算效率的同时提升了复杂自然场景下显著性预测的分布一致性、跨域泛化能力和鲁棒性。关键词：显著性预测;状态空间模型;Mamba;不确定性感知;频域增强92|141|0更新时间：2026-06-22 -
融合双流网络和记忆增强的空地视频异常检测 AI导读
摘要：目的视频异常检测作为视频监控系统的核心任务之一，在公共安全与智能监控等领域具有重要应用价值。同时在无人机航拍场景下，由于视角变化剧烈、目标尺度不稳定以及背景复杂多变，使得异常检测任务更加具有挑战性。现有方法大多仅侧重于静态外观特征建模，忽视了动态运动信息所蕴含的关键时序特征，同时普遍依赖生成模型进行重建或预测，容易出现“过度泛化”问题，从而削弱对异常事件的判别能力。针对上述问题，提出一种融合双流网络和记忆增强的空地视频异常检测方法。方法首先，通过双编码器架构分别提取视频序列的外观特征和运动特征，将同一尺度的两类特征进行融合。其次，将高维融合特征送入具有更新策略的记忆增强模块中，学习多样化的正常特征。最后，采用跳跃连接机制把多尺度融合特征和记忆增强后的特征送入具有注意力的解码器中预测未来帧。结果在UCSD Ped2、CUHK Avenue和ShanghaiTech三个地面基准数据集上，所提方法的AUC分别达到98.8%、89.1%和74.7%；同时，在Drone-Anomaly无人机航拍数据集的多个子场景中均取得优异性能，尤其在Railway Inspection和Farmland Inspection场景中分别达到94.76%和91.41%，优于多种对比方法。结论本文方法通过协同建模外观与运动信息，并结合记忆增强机制，有效缓解了过度泛化问题，提升了模型对复杂动态场景中异常事件的判别能力，在地面监控与无人机航拍场景下均表现出良好的鲁棒性与泛化性能。关键词：异常检测;卷积神经网络;记忆网络;融合算法;注意力机制95|124|0更新时间：2026-06-22 -
航空遥感场景跨域少样本目标检测进展研究 AI导读
摘要：航空遥感目标检测在国土资源调查、灾害监测、交通监管和军事侦察等领域具有重要应用价值。然而，真实航空遥感场景中常同时存在目标域标注样本稀缺和源域与目标域分布差异显著的问题，导致传统依赖大规模同分布标注数据的检测方法难以获得稳定性能。跨域少样本目标检测（cross-domain few-shot object detection，CD-FSOD）期望在目标域仅有少量标注样本且存在明显域偏移的条件下实现对目标域目标的有效分类与定位，已成为航空遥感智能解译中的重要研究方向。本文围绕航空遥感场景下的CD-FSOD问题，梳理其基本定义、任务边界及其与少样本目标检测、跨域目标检测和遥感目标检测等相关任务的区别，并分析航空遥感场景中由成像平台、传感器类型、空间分辨率、地理区域、环境条件及目标分布差异所引起的复杂域偏移表现。在此基础上，本文对现有代表性方法进行分类综述，重点总结基于迁移与域对齐、基于元学习与度量学习、基于生成式数据增强与扩充、基于视觉语言对齐以及基于大模型的方法特点与研究进展。同时，本文归纳相关数据集、任务设置、常用评测指标及航空遥感目标检测的特殊性，并进一步讨论复杂域偏移统一建模、少样本条件下检测稳定性、数据集与真实应用脱节、多源异构数据适配以及大模型迁移等方面的主要问题与发展趋势。本文同步汇总代表性算法在航空遥感跨域少样本情境下的性能表现，并给出所涉及数据集、算法的开放资源访问链接：https：//github.com/Farenweh/CD-FSOD-Links（Github）或https：//gitee.com/cby1241385936/cd-fsod-links（Gitee）。总体来看，CD-FSOD正由单一迁移或少样本学习策略，逐步发展为融合域适应、特征增强、语义建模和基础模型迁移的综合性研究方向。随着遥感专用数据资源的丰富和多模态基础模型的发展，该方向有望为航空遥感智能感知提供更高效、更稳健的技术支撑。关键词：航空遥感;目标检测;跨域少样本目标检测;视觉语言对齐;大模型51|130|0更新时间：2026-06-22 -
航空光谱图像智能处理：方法、应用与挑战 AI导读
摘要：随着无人机与机载遥感技术的快速发展，航空光谱成像在农业、环境监测及军事侦察等领域发挥着越来越重要的作用。相比卫星遥感，航空平台具有更高空间分辨率、更强机动性和更短重访周期，使其成为精细化观测的重要手段。然而，航空光谱数据具有高维、强相关、噪声复杂等特点，传统处理方法难以充分挖掘其潜在信息。本文系统梳理了航空光谱图像智能处理技术的发展脉络，重点分析深度学习与机器学习方法，涵盖光谱-空间特征提取、分类、分割、目标检测、变化检测及光谱解混等关键技术；总结多光谱与高光谱协同处理在精准农业、环境灾害监测、军事侦察、地质勘探等场景的应用进展；深入剖析当前面临的数据稀缺与标注困难、模型泛化能力不足、实时处理约束、鲁棒性欠缺及空天地协同困难等核心挑战；围绕遥感基础模型、自监督学习、边缘智能、物理信息驱动模型、空天地一体化协同等方向展望未来趋势。本文可为航空光谱图像智能处理领域的研究与工程应用提供系统性的参考与理论指导。本文提及的数据集已汇总至https：//github.com/zhaoxb2025/Airb-spe-Img。关键词：航空光谱图像;高光谱图像;多光谱图像;智能处理;目标检测;变化检测;分类54|145|0更新时间：2026-06-22 -
可见性感知时空扩散的遮挡步态修复与识别 AI导读
摘要：目的现有的步态识别方法在理想环境下表现出色，但现实监控场景中物体遮挡常导致人体轮廓结构缺失以及传统生成式修复方法存在的盲目修复问题。为了解决这一挑战，提出一种可见性感知时空扩散的遮挡步态修复与识别方法（visibility-aware spatio-temporal diffusion recovery network， VAST-DRNet）旨在准确修复步态序列中被遮挡的区域，并提升其在复杂遮挡场景下的识别性能。方法使用基于可见性感知和3D扩散模型的VAST-DRNet来修复步态序列，在修复每一帧步态图像的空间信息的同时保持帧与帧之间的时空连贯性。VAST-DRNet通过引入区域评分估计器（region scoring estimator， RSE）来检测步态图像的局部遮挡区域，并将其生成的可见性评分作为先验知识注入3D扩散修复模块（visibility-aware diffusion module， VADM）为遮挡区域分配更高的关注度，实现定向时空修复。同时，在识别阶段引入基于可见性空间注意力机制（visibility-driven spatial attention mechanism， V-SAM）的信心引导双分支融合机制，利用评分自适应融合原始遮挡特征与修复后的步态特征，从而优化识别网络的判别能力。结果在CASIA-B数据集基础上构建的混合遮挡数据集OccCASIA-B上的实验表明，该方法在静态物体和人群干扰等复杂场景下Rank-1识别率分别达到83.1%和78.1%，相较于基准GaitGL方法提升了11.2%和7.6%。在混合遮挡强度评估中，在30%-50%的中度遮挡下识别率达到76.5%，在遮挡面积超过50%的极重度遮挡条件下，识别率达到50.6%，体现出在大面积信息丢失时较小的性能退化和更强的鲁棒性。结论该方法能够有效感知遮挡区域并实现高质量的时空一致性修复，通过信心引导的特征融合机制，有效解决了生成模型存在的盲目修复问题，显著提升了模型在复杂现实遮挡环境下的鲁棒性与识别性能。关键词：步态识别;时空扩散模型;可见性感知;步态轮廓修复;三维卷积神经网络38|92|0更新时间：2026-06-22
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0