DFES-YOLO：一种面向SAR舰船小目标检测的去噪增强网络

来源：雷达科学与技术杂志2026年第2期北京时间：

作者：陈培尧，张相宇，丁　辉，宋家齐

单位：首都师范大学， 北京 100048

摘要：合成孔径雷达（SAR）在海上目标监测与舰船检测中具有重要应用价值。然而，舰船目标在SAR图像中通常尺度较小、对比度较低，SAR成像过程中产生的乘性斑点噪声会显著干扰目标特征表达，导致小目标检测任务面临较大挑战。针对上述问题，本文在YOLO11n单阶段目标检测框架基础上提出一种面向SAR图像舰船小目标检测的改进方法DFES-YOLO。该方法通过引入去噪模块（DM）抑制乘性斑点噪声对特征表达的干扰，从而增强小目标特征的可分辨性；同时设计特征提取模块（FEM）以提升深层语义信息表达能力，并结合高效多尺度注意力机制（EMA）增强多尺度特征建模能力。此外，构建小目标检测颈部结构（SON），以强化浅层细粒度特征与高层语义信息的融合，从而提高小目标检测性能。在SSDD和HRSID数据集上的实验结果表明，所提出的DFES-YOLO在精确度、召回率、mAP50和mAP50:95等指标上均取得明显提升，表明该方法在复杂噪声环境下的SAR舰船小目标检测任务中具有良好的鲁棒性和泛化能力。

关键词：合成孔径雷达,舰船检测,小目标检测,YOLO算法,斑点噪声抑制,