激光与红外

作者：王仲博

单位：1.中国科学院光电信息处理重点实验室,辽宁 沈阳 110016；2.中国科学院沈阳自动化研究所,辽宁 沈阳 110016；3.中国科学院大学,北京 100049；4.航天恒星科技有限公司,北京 100086；

关键词：合成孔径雷达;舰船检测;卷积神经网络;注意力机制

近年来人工智能技术迅猛发展,极大地促进了SAR(合成孔径雷达)图像目标检测方法的快速进步。由于雷达电磁散射成像机理的复杂性,SAR图像特征与光学图像特征具有明显差异。但目前SAR图像目标检测网络大多没有针对SAR成像几何模型做专门设计,存在对SAR图像目标检测任务不适应的问题。本文融合SAR成像物理先验,结合SAR图像的特点,提出了融合成像先验的舰船目标检测算法。首先,针对SAR成像中方位向和距离向的特征差异,设计了各向异性注意力模块(Directional Difference Attention Module,DDAM),在网络中实现不同方向上的特征解耦,获得更适合表征舰船的特征。其次,引入SPD Conv(space to depth convolution),以缓解下采样时使用跨步卷积造成小目标信息丢失的问题。在非极大值抑制、样本分配环节中,用NWD(NormalizedWasserstein Distance)替代IOU(Intersection over Union)指标,以缓解IoU对小目标的位置偏差敏感而降低网络对小目标检测能力的问题。最后,在网络中引入动态卷积替代逐步卷积,以提升网络的特征表达能力。对比实验结果表明,本文改进模型YOLOv5s DDAM是一个轻量级、实时性好的高精度检测模型,能够较好地满足工程应用的需求。相比基线模型,改进模型的全场景mAP@05提升了606个百分点。

来源：2025年第10期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第10期