《Frontiers in Neurorobotics》：PSRNet: a phase-guided frequency-domain structure reconstruction network for RGB-T salient object detection
编辑推荐：
引言：RGB-T显著目标检测仍然具有挑战性，因为可见光和热特征常显示出结构偏移、弱热边界和背景干扰。方法：本研究提出PSRNet，一种相位引导的频域结构重建网络。研究人员在傅里叶域中将RGB和热特征分解为振幅（amplitude）和潜在相位（latent-ph
引言：RGB-T显著目标检测仍然具有挑战性，因为可见光和热特征常显示出结构偏移、弱热边界和背景干扰。方法：本研究提出PSRNet，一种相位引导的频域结构重建网络。研究人员在傅里叶域中将RGB和热特征分解为振幅（amplitude）和潜在相位（latent-phase）分量。通过振幅加权相位一致性（amplitude-weighted phase consistency）对齐可靠的跨模态结构线索，并在自适应相位调制融合（adaptive phase-modulated fusion）和多尺度监督（multi-scale supervision）之前，利用有界高斯高通门（bounded Gaussian high-pass gate）重建与边界相关的高频响应。结果：在VT1000数据集上，PSRNet在阈值0.80时达到S度量（S-measure）为0.903，平均绝对误差（MAE）为0.028，F度量（F-measure）为0.794，边界交并比（boundary IoU）为0.862。讨论：结果表明，在具有挑战性的RGB-T条件下，结构保持和边界恢复得到改善。
RGB-T显著目标检测中的相位引导频域结构重建网络研究解读
**研究背景、现存问题与研究动机**
显著目标检测（Salient Object Detection, SOD）旨在从图像中识别视觉上突出的物体，并为下游任务（如自动驾驶、智能监控、人机交互与目标定位）提供紧凑的前景表示。传统的基于RGB的SOD方法依赖丰富的纹理与颜色线索，但在低光照、遮挡及杂乱背景下可靠性显著下降。热红外成像提供基于辐射的互补线索，对可见光退化不敏感，因此RGB-T SOD成为鲁棒多模态视觉感知的重要方向。然而，现有方法在跨模态交互与特征聚合方面虽有进展，但在复杂场景中稳定的结构表示与精确的边界恢复仍存在困难。
困难源于模态异质性与结构退化。RGB特征在低光照区域可能失去判别性纹理，而热特征常包含粗糙物体轮廓与模糊边缘。两种模态在成像机制、空间响应与特征分布上存在差异，融合时可能引入跨模态不对齐。当无显式结构约束地融合冗余背景响应时，显著边界变得难以分离，目标形态可能不完整。因此，RGB-T SOD不仅需要语义融合，还需要一种能跨模态保持边界拓扑的结构感知机制。
现有方法可分为卷积融合、注意力融合、Transformer交互、边缘引导细化与关系建模等类别。卷积融合方法简单聚合双模态特征，但可能忽略模态特定结构差异；注意力与Transformer模型可加强长程依赖与自适应权重，但下采样后精细边界细节可能减弱；边缘引导与频率增强方法显式强调轮廓，但依赖在热图像或噪声背景下不稳定的边缘图。这些局限表明，跨模态结构应在更本质的表示层次建模，而非仅通过空间域聚合。
受傅里叶相位与空间排列及轮廓信息密切相关的经典观察启发，研究人员提出PSRNet，一种用于RGB-T SOD的相位引导频域结构重建网络。PSRNet将RGB与热特征分解为振幅与相位分量，通过振幅加权相位一致性对齐可靠跨模态结构线索，并通过有界高斯高通门重建边界敏感的高频响应，最后通过自适应相位调制融合将重建结构注入空间流，提升前景完整性并减少背景干扰。
**主要关键技术方法**
PSRNet的核心技术包括：频域解耦与相位表示建模（使用二维离散傅里叶变换将特征映射到频域，分离振幅与相位分量）；跨模态相位一致性约束（通过振幅加权的正弦距离损失对齐双模态相位，并引入轻量注意力分支产生模态自适应权重，减少不可靠模态贡献）；结构重建与融合机制（利用有界高斯高通门增强高频边界响应，并通过相位调制融合单元将重建结构注入空间特征）；多尺度监督（从解码器多尺度输出施加像素级交叉熵损失、结构梯度一致性损失与振幅加权相位一致性损失）。所有方法均在公开RGB-T SOD基准数据集（VT821、VT1000、VT5000等）上进行训练与评估，使用ResNet-50作为骨干网络，采用AdamW优化器，输入尺寸为352×352，共200个训练周期。
**研究结果**
**4.1 总体性能分析**
在VT1000上，PSRNet在召回率为0.940时达到0.703的精度，高于第二名CSRNet的0.661；在阈值0.80时F-measure为0.794，S-measure为0.903，MAE为0.028。在VT821与VT5000上，S-measure分别为0.881与0.892，MAE分别为0.038与0.034，表明在结构相似性与误差减少方面有稳定提升。
**4.2 结构保持能力分析**
在边界F-measure随边缘阈值变化曲线中，PSRNet在所有阈值上保持较高值（从阈值0.1时的0.941下降至0.9时的0.804）；随背景复杂度从1级增至5级，S-measure从0.942降至0.872，退化幅度小于对比方法；边界IoU为0.862，全局S-measure为0.903，表明边界恢复与区域级结构保持协调发展。
**4.3 跨模态融合效果分析**
PSRNet在融合策略比较中达到平均SSIM为0.89，标准差0.015，优于简单融合（0.80）、仅RGB（0.73）与仅热（0.70）；峰值相位一致性误差从无相位约束时的约0.45降至PSRNet的0.22；边界F1曲线在100个周期后达到0.920，而基线无重建时为0.757，表明潜在相位建模有助于深度特征的结构对齐。
**4.4 模块有效性分析**
去除频域解耦模块（w/o FD）后F-measure降至0.902；去除相位一致性约束（w/o PC）后降至0.890；去除相位结构重建模块（w/o SR）后F-measure降至0.880，IoU降至0.815，表明有界高频结构重建对边界恢复至关重要。完整模型在1-MAE、S-measure、F-measure、E-measure与IoU上分别达到0.972、0.903、0.921、0.935与0.865，各模块均贡献显著。
**4.5 鲁棒性分析**
相对照度从1.00降至0.10时，PSRNet的S-measure从0.903降至0.795，优于CSRNet（0.695）、ADFNet（0.652）与CAVER（0.684）；遮挡比例增至50%时，PSRNet的F-measure为0.793，比ADFNet高0.151；高斯噪声标准差达0.05时，PSRNet的MAE为0.085，而CAVER为0.157，表明对低光照、遮挡与噪声均具有较强抵抗能力。
**结论与讨论**
本研究提出PSRNet，一种用于RGB-T显著目标检测的相位引导频域结构重建网络。该方法将双模态深层特征映射至频域，解耦振幅与潜在相位分量，通过振幅加权相位一致性约束对齐可靠跨模态结构线索，并通过有界高斯高通引导算子重建边界敏感的高频细节，再通过自适应相位调制融合将重建结构反馈至空间特征，在多尺度监督下优化。实验结果表明，在结构保持与边界恢复方面取得一致提升。在VT1000上，PSRNet达到S-measure 0.903、MAE 0.028，阈值0.80时F-measure 0.794；边界IoU为0.862，全局S-measure为0.903。跨模态融合分析显示平均SSIM为0.89，峰值相位一致性误差从0.45降至0.22。这些发现表明，有界潜在相位结构建模可在复杂背景、低光照、遮挡与噪声条件下改善RGB-T SOD。未来工作将进一步考察多次运行的统计显著性、自适应频谱滤波器以及更广泛的多模态感知任务。
