Mamba融合长波红外偏振图像，车辆检测mAP50达55%！
Long-wave Infrared Polarimetric Remote Sensing Image Fusion for Vehicle Detection
📖 AI 总结
针对红外遥感图像中车辆轮廓模糊、对比度低导致检测性能受限，以及现有融合方法易引入偏振噪声、难以有效整合互补信息的问题，该研究提出一种基于Mamba的红外偏振遥感图像融合模型。方法将长波红外总强度S0与线偏振度DoLP相结合，借助受物理启发的偏振响应代理和空间结构连续性提取引导特征，并沿水平、垂直及两条对角线方向进行双向状态空间扫描以实现跨模态特征融合；同时引入先验引导的多窗口结构相似性、重建约束和偏振显著性相对下界损失，在抑制噪声的同时保留全局背景结构与目标偏振特征。研究还构建了包含1901对精确配准图像的AIR-LWIR-Pol数据集，并用YOLO11评估下游车辆检测。实验显示，该方法在熵和结构相似性等四项融合指标上优于对比方法，车辆检测mAP50和mAP50-95分别达到55.0%和29.4%，表明物理先验与状态空间建模相结合可有效提升复杂遥感场景下的目标检测能力。
🔑 关键词速览
| Mamba | 一种基于状态空间模型的高效序列建模架构，用于处理长距离依赖关系。 |
| DoLP | 线偏振度，描述光波偏振程度的物理量，反映表面材料特性。 |
| 状态空间扫描 | 沿多个方向进行序列建模以捕获全局上下文信息的方法。 |
| AIR-LWIR-Pol | 本文构建的机载长波红外偏振图像数据集，包含精确配准的图像对。 |
| mAP | 平均精度均值，目标检测中常用的评估指标，衡量检测精度。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅