激光与红外

作者：钟明霞，姜柏军，林德优

单位：1.浙江商业职业技术学院，浙江 杭州 310053；2.杭州市余杭区第一人民医院，浙江 杭州 311113；

关键词：低光照目标检测;图像增强;双模态特征融合;YOLOv8;SE

基金：2025年浙江省教育科学规划重点课题项目(No.2025SB134)；浙江省高职教育“十四五”教学改革项目(No.jg20240136)资助。

针对低光照环境下目标检测存在的特征退化问题，本文提出一种融合图像增强与多模态特征自适应的改进方法。首先，采用SCINet网络进行光照补偿与细节恢复，通过级联自校正机制解决传统增强算法导致的噪声放大问题；其次，设计双模态特征融合模块(DFFM)，建立可见光与红外图像的跨模态注意力机制，实现纹理特征与热辐射特征的动态加权融合；最后在YOLOv8框架中嵌入通道-空间注意力模块(SE Block)，构建YOLOv8 SE检测器以抑制背景干扰。实验数据表明，所提出的多模态融合方案在检测精度、召回率及平均精度均值(mAP)等核心指标上，相较于可见光与红外单模态方法均展现出显著优势，为低光照环境下的目标检测任务提供了切实可行的技术解决方案。

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