波前约束的无源遮挡目标检测
计算机视觉与模式识别
2025-12-01 v2 机器学习
摘要
由于多重散射和介质引起的扰动，从视场外的微弱光图案中准确定位和分割遮挡目标极具挑战性。现有方法大多基于实值建模或局部卷积运算，不足以捕捉相干光传播的底层物理。此外，在低信噪比条件下，这些方法常常收敛到非物理解，严重损害观测的稳定性和可靠性。为应对这些挑战，我们提出了一种新颖的物理驱动波前传播补偿网络（WavePCNet），以模拟波前传播并增强对遮挡目标的感知。该 WavePCNet 集成了三相波前复振幅传播重投影（TriWCP），以引入复振幅传递算子来精确约束相干传播行为，并配合动量记忆机制有效抑制扰动累积。此外，还引入了高频跨层补偿增强，以构建具有多尺度感受野的频率选择通路，并动态建模跨层的结构一致性，进一步提升了模型在复杂环境条件下的鲁棒性和可解释性。在四个物理采集数据集上进行的大量实验表明，WavePCNet 在准确性和鲁棒性方面均持续优于最先进的方法。
引用
@article{arxiv.2511.20991,
title = {Wavefront-Constrained Passive Obscured Object Detection},
author = {Zhiwen Zheng and Yiwei Ouyang and Zhao Huang and Tao Zhang and Xiaoshuai Zhang and Huiyu Zhou and Wenwen Tang and Shaowei Jiang and Jin Liu and Xingru Huang},
journal= {arXiv preprint arXiv:2511.20991},
year = {2025}
}