合工大攻克红外探测仪器核心技术

近日，合肥工业大学仪器科学与光电工程学院刘羽教授团队传来重磅消息，该团队在红外遥感图像处理领域的核心技术研究取得突破性进展，创新提出稀疏正弦感知科尔莫戈洛夫-阿诺德网络（SP-KAN），成功破解了高端红外探测仪器在复杂场景下小目标检测的技术瓶颈。

红外小目标检测技术是仪器科学与光电工程领域的核心研究方向，直接决定着红外热像仪、侦察吊舱、战略预警装备、遥感成像仪器等高端设备的核心性能，广泛应用于低空侦察、战略预警、高精度导航等远距离态势感知场景。不过，受远距离探测条件的限制，红外探测仪器捕捉到的目标往往像素有限、信杂比低，且纹理稀缺、边缘模糊，再加上背景杂波的强热辐射干扰，目标信号很容易被淹没，进而导致仪器出现漏检、虚警等问题，这一难题长期制约着高端红外探测仪器的工程应用效能。

目前，主流的红外小目标检测方法大多依赖由可学习线性映射和固定激活函数构成的MLP范式。这种传统架构的函数表达能力存在明显局限，难以精准刻画红外图像到目标掩码映射过程中，目标强度、空间结构与上下文信息之间的强非线性关系，无法满足复杂场景下高端红外探测仪器的高精度检测需求。

针对这一行业痛点，刘羽教授团队立足仪器科学与光电工程的交叉融合视角，紧紧围绕红外探测仪器的实际应用需求，创新提出基于稀疏正弦感知的科尔莫戈洛夫-阿诺德网络（SP-KAN），将红外小目标检测任务建模为由稀疏非线性模块驱动的全局上下文调制问题，在技术层面实现了两大关键突破。其一，提出模式互补模块（PCM），将符号化表示的通道映射与结构化表示的局部空间进行统一建模，有效增强了目标与背景杂波的可分性，大幅降低了红外探测仪器的虚警率；其二，引入稀疏正弦感知层（SPKAL），能够在像素层面精准感知原始非线性空间与高维正弦潜空间，建立起神经元间的细粒度关系，显著提升了仪器对弱目标的特征提取与识别能力。

经过多场景基准测试验证，搭载SP-KAN网络的红外探测系统，在检测精度、抗干扰鲁棒性和跨场景泛化能力上均优于现有主流方法。即便在强杂波、低信杂比等严苛条件下，该系统依然能保持稳定的目标检出性能，彻底解决了传统红外探测仪器“看不清、找不准、抗干扰差”的核心难题。