近日,北京理工大学光电学院许廷发教授团队在光谱成像目标探测领域取得重要进展,针对复杂场景下的目标检测难题,提出了高光谱伪装目标检测和多光谱目标检测两种新方法。相关成果分别以《HyperCOD: The First Challenging Benchmark and Baseline for Hyperspectral Camouflaged Object Detection》和《MODA: The First Challenging Benchmark for Multispectral Object Detection in Aerial Images》为题,发表在人工智能领域顶级会议AAAI 2026上。针对复杂自然场景中伪装目标难以识别和精确定位的问题,团队结合高光谱成像与先进基础模型能力,提出了高光谱伪装目标检测新框架HSC-SAM。该方法通过空间–光谱解耦重构策略,将高光谱信息显式引导基础模型特征学习,实现光谱信息与通用基础模型的深度融合。实验表明,HSC-SAM在复杂场景中能准确定位高度伪装目标,目标定位结果边界更清晰、轮廓保真度更高。针对低空无人机对地弱小目标探测中目标尺寸小、对比度低、背景复杂等难题,团队提出了多光谱成像驱动的弱小目标检测框架OSSDet。该方法利用多光谱图像蕴含的丰富光谱信息进行目标增强,通过级联式光谱-空间调制结构实现目标感知过程的全局优化。实验表明,OSSDet能显著增强网络对目标区域的聚焦能力,抑制无关背景噪声,减少误检与漏检,提升复杂地表环境中目标检测的准确性与鲁棒性。
