【仪表网 研发快讯】近日，合肥工业大学仪器科学与光电工程学院刘羽教授团队在红外小目标检测研究方向取得新进展。相关研究成果以“SP-KAN: Sparse-sine perception Kolmogorov-Arnold networks for infrared small target detection”为题发表在遥感领域顶级期刊《ISPRS Journal of Photogrammetry and Remote Sensing》(IF：12.2)上。
红外小目标检测是低空侦察、战略预警和高精度导航等远距离态势感知系统中的关键技术。受探测距离限制，目标多呈现像素有限、信杂比低、纹理稀缺及边缘模糊等特点。同时，背景杂波往往具有强热辐射响应，容易将目标信号淹没，使得该任务极具挑战。近年来，红外小目标检测方法取得了显著进展，但多数方法仍依赖由可学习线性映射和固定激活函数构成的MLP范式。然而，在检测过程中，从图像到掩码的映射常涉及目标强度、空间结构与上下文信息等多因素之间的强非线性关系。受限于函数表达能力，传统MLP方法难以充分刻画上述映射关系，从而制约了模型在复杂场景下的检测性能。
针对上述问题，团队提出了基于稀疏正弦感知的科尔莫戈洛夫-阿诺德网络SP-KAN，将该任务建模为由稀疏非线性模块驱动的全局上下文调制问题：提出模式互补模块PCM，将符号化表示的通道映射与结构化表示的局部空间统一建模，增强目标与杂波的可分性；引入稀疏正弦感知层SPKAL在像素层面感知原始非线性空间与高维正弦潜空间，建立神经元间细粒度关系。实验结果表明，SP-KAN在检测精度、鲁棒性和泛化能力方面优于主流方法。该项研究提出的红外小目标检测方法能够为复杂场景下红外小目标鲁棒检测与智能感知提供理论方法和关键技术支撑，对远距离态势感知系统建设具有重要意义。
合肥工业大学为论文的第一完成单位。仪器科学与光电工程学院博士后袁帅为论文的第一作者，刘羽教授和西安电子科技大学延翔副教授为论文的共同通讯作者。该研究工作得到了国家自然科学基金(62576132、U23A20294)和教育部基础学科和交叉学科突破计划(JYB2025XDXM109)等项目的资助。
所有评论仅代表网友意见，与本站立场无关。