如图 5 所示，由于热红外模态不受光照影响，本文将热红外图像作为参考图像，可见光图像作为感知图像。扩展 YOLOv5 [37] 框架以实现可见光 - 热红外目标检测，采用两个并行的骨干网络分别提取可见光与热红外特征。首先，将提取的特征输入目标搜索校正模块，捕捉参考特征与感知特征之间的相关性，对感知特征进行特征校正，并通过自注意力等操作对参考特征进行特征增强；然后，利用参考特征引导感知特征进行空间特

此外，本文可视化融合后的低频同源特征与高频特有特征的热力图（图 5 ©(d)）。频率感知查询选择模块：为验证频率感知查询选择（FQS）模块的有效性，本文开展实验，将 HFE 增强后的高频特有与低频特有特征直接相加，采用固定融合策略。最后，增强后的特征输入频率感知查询选择模块，自适应平衡模态共享与特有特征的贡献，更新查询并送入 RT‑DETR 检测头生成边界框与分类分数。2.引入基于小波的特征分解与

*小组成员：**陈思潼2026年6月17日—2026年6月21日。

只要损失函数与训练策略不强制要求双模态图像内容一致（严格配对）或内容完全无关（非配对），任意配对数据就不会影响模型学习融合能力。损失函数仅依靠像素组合完成计算，不同配对形式（对齐 / 非对齐）会为损失计算提供不同的数据关系，均可为模型提供有效的像素级监督。图像融合模型的参数更新完全依赖自定义监督信号。评价指标：采用无参考指标信息熵（EN），以及全参考指标互信息（MI）、视觉信息保真度（VIFF）、

通过图23定性分析和表5定量分析，多模态和多曝光的训练顺序对融合结果影响较小，而多聚焦的训练顺序影响相对显著，平均梯度大幅下降。为解决不同类型源图像中的关键信息存在显著差异这一问题，本研究综合考虑源图像的多方面属性，提取浅层特征（纹理、局部形状等）和深层特征（内容、空间结构等），用于信息度量的计算，作为统一的度量方式以确定源图像的。与单独训练的模型相比，经多曝光图像融合训练的统一模型 U2Fusi

图像融合的本质是将多幅源图像中的互补关键信息整合为单幅融合图像。但由于不存在真实的融合图像（即真实标签），难以明确定义有意义的互补信息。为解决该问题，本文提出一种特殊的双掩码策略，模拟有效的互补上下文，将无监督图像融合转化为自监督掩码图像恢复任务（如图 2 所示）；同时引入具备强大生成能力和泛化能力的扩散模型，使该方法能适用于各类图像融合任务。最终，通过自监督学习预训练的掩码扩散模型，可作为多融合