激光与红外

作者：姚继林，徐成，，刘宏哲，杨子房，路璐

单位：1.北京市信息服务工程重点实验室北京联合大学，北京 100101；2.北京强强源起科技有限公司，北京 100101；3.北京安信创业信息科技发展有限公司，北京 100013；

关键词：多模态检测;Mamba;特征融合;红外与可见光图像

基金：国家语委重点项目(No.ZDI145110)；国家自然科学基金项目(No.62171042；No.U24A20331)；北京市重点科技项目(No.KZ202211417048)；北京市属高等学校高水平科研创新团队建设支持计划项目(No.BPHR20220121)；北京市自然科学基金项目(No.4232026；No.4242020)；北京联合大学学术研究项目(No.ZK20202514)资助。

在复杂环境中实现稳健的目标检测仍然是一项基本挑战，尤其是在光照条件低、传感器性能下降或环境干扰的场景中，现有方法往往存在全局上下文建模不足以及跨模式融合策略欠佳的问题。针对以上问题，本文基于YOLOv11网络结构，提出一种协同高效的红外和可见光图像融合检测方法CoMambaDet算法。首先，设计了一种轻量且新颖的视觉主干结构(CoMambaBlock)，并配备了一个全局上下文交互模块(GCIM)，能够在保持计算效率的同时捕捉长程的空间和通道依赖关系。此外，引入了跨模态协同融合模块(CCFM)，通过多层次关联协同建模与自适应融合策略，有效挖掘红外和可见光特征间的互补性。在M3FD和VEDAI数据集上的实验结果表明，所提出的CoMambaDet获得了优异的计算效率与鲁棒性，显著提升了复杂场景下的目标检测性能。

来源：2026年第5期

《激光与红外》期刊编辑部

查看激光与红外杂志2026年第5期