近日，我院在模式识别与人工智能领域国际顶级期刊《Pattern Recognition》（中科院一区TOP期刊，IF=7.6）上发表研究成果“Multispectral detection of camouflaged targets in foggy and complex scenes”。
雾、霾以及云层等散射介质会导致目标光谱信息发生严重畸变，而现有去雾方法一般忽略不同光谱波段消光系数差异，或者简单地将实验室内获得的多光谱消光系数先验信息迁移至室外场景，导致重构图像的光谱保真度受限，显著降低下游多光谱目标识别任务的准确率。
针对上述问题，该论文提出了基于相对消光系数的多光谱去雾方法，通过计算与距离无关的相对消光系数，估计不同光谱通道的透射率图，实现多光谱图像去雾；针对多光谱伪装目标的检测需求，本论文进一步提出了自适应的异常波段选择策略。自建数据集以及公开数据集的测试结果表明论文所提出的多光谱去雾方法的图像重构质量优于现有最先进的RGB去雾方法，去雾后的多光谱伪装目标识别准确率显著提升，证明了方法的有效性。并且论文提出的“多光谱去雾+自适应异常波段选择”方法可以与将来任意先进的RGB去雾方法相结合，进一步提升了本方法的应用前景。
福州大学为该论文的唯一通讯单位，我院刘宇副教授为论文第一作者，2022级硕士研究生程炬为学生第一作者，黄峰研究员为论文通讯作者，其他合作者还包括王舒教授、王鹏飞副教授以及哈尔滨工业大学陈守谦教授。该研究工作受到了国家级重大项目和国家自然科学基金的资助，是研究院在穿透散射介质成像研究领域中取得的又一重要突破。
论文链接：https://doi.org/10.1016/j.patcog.2026.113895
