基于距离控制对比学习的多模态融合舰船识别方法

来源：信号处理杂志 2025年第11期北京时间：

作者：张明睿, 孙殿星, 董云龙

摘要：多模态融合舰船目标分类旨在通过结合不同传感器的优势，以提高舰船目标识别的准确性与鲁棒性。传统的单模态识别方法通常依赖于单一传感器的特征，虽然在特定条件下可达到较高的识别准确率，但其局限性在于无法全面获取目标的多维信息，且在不同识别场景下特征表现存在变化。多模态融合方法虽能弥补这一不足，但现有方法多采用特征拼接或加权融合的方式，未能深入挖掘不同模态特征间的互补性和相关性，也未充分考虑目标距离对特征提取的影响，导致融合效果有限。为解决上述问题，本文提出一种基于距离控制对比学习的多模态融合舰船识别方法，以提升多模态融合舰船目标识别的性能。该方法设计了三个新的模块以充分利用来自两种传感器的特征信息，进一步提高融合效果。首先，设计了距离控制模块，用于指导网络在不同距离条件下对特征向量的使用方式，优化了各种距离情况下的特征融合过程。其次，设计了解耦对比损失模块，以保留模态特征的独特信息，增强特征间的互补性。最后，设计了监督对比损失模块，用于捕捉同一类别目标融合特征中的共性信息，从而构建模态特征之间的相关性。为验证所提方法的有效性，本文基于实测数据进行了实验，针对不同距离的舰船目标进行测试。实验结果表明，所提出的基于距离控制的雷达-红外特征融合网络相比单模识别方法，在多种距离条件下对舰船的识别准确率提升9%以上，相较于已有融合识别方法识别准确率提升了4.65%。该方法不仅有效提升了舰船目标的识别准确率，还能够灵活应对不同距离下的特征变化，展示了其在多模态融合舰船目标分类中的优越性。

关键词：多模态, 特征融合, 神经网络, 舰船识别