DEPFusion：用于无人机多光谱目标检测的双域增强与优先级引导Mamba融合
计算机视觉与模式识别
2025-09-30 v2 人工智能
摘要
多光谱目标检测是无人机（UAV）的一项重要应用。然而，它面临若干挑战。首先，低光照RGB图像因细节丢失而削弱了多光谱融合。其次，在多光谱融合过程中，干扰信息被引入局部目标建模。第三，计算成本对无人机平台部署构成挑战，例如具有二次复杂度的基于Transformer的方法。为解决这些问题，我们提出了一个名为DEPFusion的框架，该框架由两个设计的模块组成：双域增强（DDE）和优先级引导Mamba融合（PGMF），用于无人机多光谱目标检测。首先，考虑到采用低频分量进行全局亮度增强和频谱特征进行纹理细节恢复，DDE模块设计了跨尺度小波Mamba（CSWM）块和傅里叶细节恢复（FDR）块。其次，考虑到从包含局部目标特征的高优先级分数标记引导Mamba的扫描，提出了一种具有理论证明的新型优先级引导序列化。基于此，设计了PGMF模块用于多光谱特征融合，以增强局部建模并减少干扰信息。在DroneVehicle和VEDAI数据集上的实验表明，DEPFusion实现了与最先进方法相当的良好性能。
引用
@article{arxiv.2509.07327,
title = {DEPFusion: Dual-Domain Enhancement and Priority-Guided Mamba Fusion for UAV Multispectral Object Detection},
author = {Shucong Li and Zhenyu Liu and Zijie Hong and Zhiheng Zhou and Xianghai Cao},
journal= {arXiv preprint arXiv:2509.07327},
year = {2025}
}