复杂背景下轻量级SAR影像船舶检测方法

作     者：高定 李明 范大昭 董杨 李志新 王刃 GAO Ding;LI Ming;FAN Dazhao;DONG Yang;LI Zhixin;WANG Ren

作者机构：中国人民解放军战略支援部队信息工程大学郑州450001 山东五征集团日照262300 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2024年第26卷第11期

页      面：2612-2625页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(41971427、42371459) 嵩山实验室项目(221100211000-5) 高分遥感测绘应用示范系统(二期)(42-Y30B04-9001-19/21) 

主　　题：星上处理 SAR影像 轻量级 尺度多样化 多尺度特征融合 特征增强 

摘      要：合成孔径雷达(SAR)影像船舶检测在海上监视、海上贸易和海上救援等领域有着广泛的实际应用价值,随着星上在轨自主处理发展的需求,对星上SAR影像船舶在轨实时检测提出了更高的要求。因此针对当前卫星硬件资源有限、SAR影像船舶目标特征尺度多样化、易受噪声干扰等问题,本文提出了一种复杂背景下轻量级SAR影像船舶检测算法。首先,采用FasterNet结合注意力机制提取目标的高低级特征;其次,为解决目标多尺度问题,构建了一种特征增强模块(FEM),在增加感受野的同时,提高了目标检测能力;然后,构造结合特征增强的多尺度特征融合结构,将主干网络提取的多尺度特征进行增强和融合,加强不同层级特征联系的同时获取目标多尺度的上下文信息,并在输出特征图中进行SAR影像船舶检测;最后,在SSDD、HRSID以及二者合并的数据集上,将本文方法与主流算法进行对比实验。实验结果表明,本文方法平均准确率分别为98.6%、92.3%和93.0%,召回率分别为95.10%、85.10%和86.8%,模型尺寸和参数量仅为8.8 MB和4.2 M,均明显优于其他方法,并且查准率和检测速率也具有很大的优势,有利于迁移到实际的应用中。