学位论文简介

遥感可见光-红外融合目标检测是低空巡检、交通监管和应急救援等任务中的重要感知基础。然而，现有的可见光-红外检测方法在应对遥感目标和复杂环境方面存在一系列的不足之处，难以满足复杂遥感场景下高精度、强鲁棒的检测需求。因此，本文围绕遥感场景下可见光-红外目标检测关键技术展开研究，从目标特性与环境特性两个方面克服现有方法的技术缺陷，主要创新点如下：

（1）针对遥感目标长尾分布导致的类间学习不平衡问题，提出基于均衡多模态融合变换器的遥感可见光-红外目标检测方法，通过多模态异构线索聚合和均衡自适应焦点损失，提升尾部类别和难分类目标的检测性能。

（2）针对遥感弱小目标特征表征不足的问题，提出基于小目标混合专家增强与空间先验引导的可见光-红外扩散目标检测方法，将扩散检测方法引入可见光-红外融合检测领域，同时利用小目标混合专家增强和空间先验引导候选框更新，提高小目标识别与定位能力。

（3）针对复杂地表背景下融合特征判别性不足的问题，提出基于跨尺度动态卷积融合的可见光-红外目标检测方法，通过跨模态数据交换、动态卷积融合和卷积核交互约束，使模型能够根据输入场景内容和模态响应状态动态调整特征聚合方式，增强复杂背景下目标相关特征表达。

（4）针对恶劣天气下多模态特征退化问题，基于频域校准的共性-差异双线索偏移引导融合网络，从频域表征出发，利用低频稳定结构引导退化特征校正，并结合模态共性与差异性建模实现自适应融合，在不引入额外生成模型的条件下提升恶劣天气下的检测精度、鲁棒性和推理效率。

最后，本文依托无人机平台构建可见光-红外融合目标检测原型系统，并采集真实遥感数据进行验证。实验结果表明，本文方法能够有效提升复杂遥感场景下的检测精度、鲁棒性和实际应用能力。

主要学术成果

[1] Wang Z, Liao X, Yuan J, et al. Cdc-yolofusion: Leveraging cross-scale dynamic convolution fusion for visible-infrared object detection[J]. IEEE Transactions on Intelligent Vehicles, 2024.

[2] Wang Z, Liao X, Yuan J, et al. Emcformer: Equalized multi-modal cues fusion transformer for remote sensing visible-infrared object detection under long-tailed distribution[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2025.

[3] He X, Wang Z, Lin J, et al. DO-SA&R: Distant object augmented set abstraction and regression for point-based 3D object detection[J]. IEEE Transactions on Image Processing, 2023.

[4] Wang Z, Duan P, Yuan J.et al. SMESP-DiffDet: Small-object MoE enhanced spatial prior-guided diffdet for visible-infrared object detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2026.(Major Revision)

[5] Wang Z, Zang Y, Yuan J.et al. FDOF-Net: Frequency Calibrated Dual-Cue Offset Guided Fusion for Robust Visible-Infrared Remote Sensing Object Detection under Adverse Weather[J]. Expert Systems with Applications, 2026.(Under Review)

[6] 李庆鹏，王子安，李智勇，方乐缘，李亚萍。基于边界紧约束网络的车辆目标位姿检测方法、装置及存储介质：中国发明专利，CN113591810B（授权）

[7] 王子安，马浩楠，崔莉婷等。2021年中国国际“互联网+”大学生创新创业大赛，全国银奖