摘要
复杂背景下的目标检测仍然具有挑战性，因为在单一的光谱或偏振特征空间中，目标和背景往往难以充分分离。此外，传统检测器通常利用多维异构特征的能力有限，这可能导致虚警和漏检。为了解决这些问题，本文提出了一种基于光谱 - 偏振异构信息协同增强的目标检测方法。首先，采用密度峰值聚类（DPC）从原始多光谱数据中选择具有代表性和区分度的波段，从而减少光谱冗余并集中与目标相关的信息。其次，开发了一种名为 SPDB-ECEM 的检测器，即基于光谱 - 偏振双分支集成的级联约束能量最小化检测器。在每个级联层中，分别构建光谱和偏振分支以建模不同特征空间中的目标响应，同时引入跨分支响应引导以促进层内交互和异构信息的协同增强。同时，设计了一种可靠性门控融合策略，根据偏振响应和线偏振度（DoLP）自适应地平衡光谱和偏振响应。为了进一步抑制局部虚警，将背景抑制、局部一致性增强和正交互补约束纳入级联检测过程，以提高目标响应的一致性并减少背景干扰。最后，采用阈值约束 OTSU（t-OTSU）对融合响应图进行分割并生成目标掩膜。所提出的框架建立了一个包含波段选择、双分支增强和阈值分割的集成处理流程，实现了光谱信息和偏振信息之间的有效互补。实验结果表明，该方法提高了复杂背景下的目标显著性和边界可分离性，增强了目标增强和检测的鲁棒性，并为光谱 - 偏振联合目标检测提供了一种有效的解决方案。
