融合MambaIRv2上下文建模与边缘增强的SAR船舶检测方法

来源：计算机工程与应用杂志2026年第14期北京时间：

作者：李斌, 曾文垚

单位：1.福建理工大学 机械与汽车工程学院，福州 350118；2.福建理工大学 福建省大数据挖掘与应用技术重点实验室，福州 350118；

摘要：针对合成孔径雷达（synthetic aperture radar，SAR）图像中斑点噪声强，目标轮廓模糊及尺度多样等挑战，提出一种改进YOLOv11n的新型SAR船舶检测算法（SWMB-YOLO）。设计C3K2_SS模块，结合语义卷积与Sobel边缘提取的双分支结构，有效增强目标边界表达能力。引入小波池化模块Wavelet Pooling替代传统卷积操作，通过多方向小波分解，提取高低频纹理信息，强化方向敏感性与边界保留能力。检测头方面，提出SBH结构，结合共享卷积与独立Batch norm的归一化策略，配合DFL回归机制实现更精细的边界回归与特征对齐。基于MambaIRv2构建Window-MHSA与ASSM（attentive state space module）双路径融合机制，平衡局部细节表征与全局上下文建模之间的能力差异，有效捕捉目标结构及其上下文语义关联。实验结果表明，在HRSID数据集上Precision、Recall、mAP50、mAP50-95分别提升5.8、2.6、6.2、5.7个百分点；同时Parameters、GFLOPs分别减少15.4%、14.3%。在SSDD、MASATI-v2、SAR-Ship-Dataset等数据集上进行泛化实验，算法仍然保持较高精度的检测性能。最后，部署到边缘设备Jetson Orin Nano，FPS也能达到实时检测的标准。

关键词：合成孔径雷达,YOLOv11n,小波池化,MambaIRv2,边缘设备

基金资助：教育部人文社会科学研究规划基金（25YJA630038）。