基于轮廓信息增强的轻量化SAR舰船检测
摘要
SAR（Synthetic aperture radar）图像具有单通道、低分辨率和低信噪比等特性，而基于可见光图像设计的目标检测方法缺乏相应的优化，并且许多舰船检测任务需要在资源受限的嵌入式设备上运行，对检测网络的性能和模型体积提出了新的挑战。针对上述问题，提出了一种基于轮廓信息增强的轻量化SAR舰船检测方法。首先，利用各向异性扩散滤波和四方向Sobel算子，将单通道SAR图像扩展到三个通道，减少斑点噪声的影响并增强舰船的轮廓特征，提高网络的可解释性和增强提取关键特征的能力；然后，受轻量化特征提取网络FasterNet与非局部注意力机制的启发，设计了一种新的轻量级主干特征提取网络，能够有效建模特征的长距离上下文关系，实现多尺度特征融合，在保证检测精度的同时减少检测模型的参数量；最后在公共数据集SSDD（Satellite ship detection data set）和HRSID（High resolution SAR images data set）上进行算法评估，实验结果表明，所提网络不仅模型参数量更少、复杂度更低，而且在检测准确度上表现更好。
引用本文（GB/T 7714）
吴扬 Wu Yang, 王春媛 Wang Chunyuan, 李小龙 Li Xiaolong, 等. 基于轮廓信息增强的轻量化SAR舰船检测[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。