基于局部显著特征聚焦学习的SAR舰船智能检测

来源：信号处理杂志 2024年第5期北京时间：

作者：金术玲, 李秀琴, 柳霜, 束宇翔, 李东

摘要：合成孔径雷达（Synthetic Aperture Radar， SAR）图像的船舶目标检测，因其广泛的应用前景而备受关注。近年来，基于深度学习的SAR图像船舶目标检测在多种场景中表现出较好性能。然而，由于SAR独特的成像机制，舰船目标通常与背景环境具有相似的散射特性使得实际的船舶目标难以辨识，且船舶目标尺度较小，导致准确检测船舶目标具有挑战性。为了缓解这一问题，本文提出了一种基于局部显著特征聚焦学习的SAR舰船检测方法。首先，设计了双重注意力模块，通过对通道级和空间级的特征进行双重注意力加权，以充分地探索船舰目标的关键语义特征，从而提升模型的深度提取能力。随后，为了进一步提升模型对船舶目标特征的表征能力，设计了平衡特征金字塔网络模块，通过对舰船目标的多尺度特征进行缩放、增强和聚合处理，以实现多尺度特征间的语义和空间信息均衡分布。最后，在SAR舰船检测数据集（SAR Ship Detection Dataset， SSDD）上进行了广泛的实验分析，实验结果一致性地证明了所提方法在提升SAR图像舰船目标检测准确性方面的有效性。

关键词：‍‍合成孔径雷达, 舰船目标检测, 注意力机制, 多特征均衡