基于层内融合和跨层增强两阶段融合的RGB-P图像语义分割
来源：计算机工程与应用杂志2026年第2期北京时间：
作者：蔡轶珩, 何秉芳, 何楷祺, 何彦良
单位：北京工业大学 信息科学技术学院，北京 100124；
摘要：偏振信息能有效揭示各类物体材料差异，与可见光图像融合，可显著增强网络语义分割能力。然而，现有的大多数可见光-偏振（RGB-P）图像语义分割方法忽视了偏振图关键细节信息的保留且采用通用的交互融合方式，这导致复杂场景下分割结果容易出现边缘模糊和语义混淆。针对这些问题，提出了一种基于层内融合和跨层增强的递进式两阶段融合网络（IFCE-Net）。在第一阶段，设计跨模态多尺度交互机制，其结合多尺度化操作使RGB和偏振图像每级特征实现空间和通道信息的交互，加之混合通道嵌入操作，该阶段实现了多模态层内特征互补性探索和精细融合。在第二阶段，通过设计具有自适应权重的跨层增强策略，以逐级联合强化各层特征，从而显著提高网络对物体边缘等关键细节信息的保留能力。在公开ZJU-RGB-P和MCubeS数据集上进行实验，结果表明，该网络在定性和定量评估中均优于当前先进的RGB-P图像分割方法。
关键词：RGB-P图像语义分割,跨模态多尺度交互机制,逐级联合增强
基金资助：国家重点研发计划（2017YFC1703302）。
