面向车辆检测的长波红外偏振遥感图像融合

基于摘要分析。该研究针对红外遥感图像中车辆轮廓模糊、对比度低，以及现有融合方法可能引入偏振噪声的问题，提出基于 Mamba 的长波红外偏振图像融合模型，并构建 AIR-LWIR-Pol 数据集，以车辆检测评估融合图像的下游价值。主要研究对象是遥感图像，不是神经信号或 BCI。 方法将长波红外总强度 S0 与线偏振度 DoLP 作为互补输入：偏振信息反映表面材料属性与几何特征，模型利用物理启发的偏振响应代理及空间结构连续性提取引导特征，再沿水平、垂直及两个对角方向进行双向状态空间扫描，实现全图范围的跨模态特征融合。训练联合采用先验引导的多窗口结构相似性约束、重建约束及偏振显著性相对下界损失，目标是在抑制噪声的同时保留背景结构和目标偏振特征；具体损失公式与权重尚未验证。 作者构建的 AIR-LWIR-Pol 包含由机载分孔径长波红外偏振成像系统采集的 1,901 对精确配准图像。作者报告，该方法在包括熵和结构相似性在内的四项融合指标上优于比较方法；在使用 YOLO11 的下游车辆检测评估中，mAP50 为 55.0%，mAP50-95 为 29.4%。摘要未提供数据划分、比较方法名称及检测基线结果，因此不能据此量化相对检测增益。 阅读与复现时需核对数据划分、配准与预处理流程、检测器训练设置，以及物理先验、多方向扫描和各损失项的独立贡献。实验协议、消融及统计信息尚未验证，数据与代码的开放状态也尚未验证。该方法依赖图像空间结构及强度—偏振互补关系，摘要未建立这些机制与 EEG 瓶颈的具体对应关系，因此不据此提出 BCI 迁移实验；相关 EEG 工作尚未检索确认。