SFFR：空间-频率特征重建用于多光谱航空目标检测

近期的多光谱目标检测方法主要聚焦于基于CNN或Transformer的空间域特征融合，而频域特征的潜力尚未得到充分探索。本文提出一种新颖的空间-频率特征重建方法（SFFR），该方法利用Kolmogorov-Arnold网络（KAN）的空间-频率特征表示机制，在特征融合之前重建两种空间和频率域的互补表示。SFFR的核心组件包括提出的频率组件交换KAN（FCEKAN）模块和多尺度高斯KAN（MSGKAN）模块。FCEKAN引入一种创新的选择性频率组件交换策略，有效增强基于RGB和IR图像频率特征的跨模态特征互补性和一致性。MSGKAN模块通过多尺度高斯基函数，展示了在空间域中卓越的非线性特征建模能力，有效捕获因无人机不同飞行高度导致的尺度变化引起的特征变化，显著提升模型对尺度变化的适应性和鲁棒性。实验表明，所提出的FCEKAN和MSGKAN模块互为补充，能够有效分别捕获频率和空间语义特征以实现更好的特征融合。在SeaDroneSee、DroneVehicle和DVTOD数据集上的广泛实验表明，所提出方法在无人机多光谱目标感知任务中表现出优异的性能和显著优势。代码将在https://github.com/qchenyu1027/SFFR提供。