一种动态全维与尺度自适应的SAR图像目标检测方法
本发明属于计算机视觉与深度学习,涉及合成孔径雷达图像的目标检测技术,具体涉及一种动态全维与尺度自适应的sar图像目标检测方法。
背景技术:
1、随着遥感技术的快速发展,合成孔径雷达(sar)作为一种主动式微波传感器,因其具备全天时、全天候的高分辨率成像能力,在海洋监测、环境地质勘探、灾害评估以及国防安全等领域发挥着越来越重要的作用。然而,sar图像解译高度依赖于专业知识,如何实现sar图像中目标的高效、准确检测,对于提升遥感数据的自动化处理水平及实际应用价值具有重要的现实意义。
2、近年来,随着深度学习技术的快速发展,目标检测方法已成为解决sar图像目标检测问题的重要手段。尤其是卷积神经网络(cnn)在图像处理领域的成功应用,使得传统的基于人工特征提取和分类的方法逐步被深度学习驱动的端到端模型所取代。目前,目标检测算法主要可以分为两类:两阶段检测算法如faster rcnn等通过生成候选区域(roi)并进行分类和回归,通常在精度上表现较好,但计算开销较大;单阶段算法如yolo系列则直接对输入图像进行全局分析,速度较快,适用于对时效性要求较高的场景。尤其是yolo11,作为最新的yolo版本,在精度和速度上都进行了显著的改进。
3、然而,与光学图像不同,sar图像具有独特的相干斑噪声(speckle noise),且往往伴随复杂的背景干扰(如海杂波、地物杂波)。此外,sar图像中的目标常呈现出多尺度剧烈变化、特征稀疏以及受方位角影响大等特点。现有的常规yolo模型在提取sar图像目标特征时,容易受到噪声干扰导致微弱特征丢失,或者在多尺度特征融合时存在上下文信息不对齐的问题。因此,直接将现有的yolo模型应用于sar图像目标检测任务仍面临多种挑战。
4、yolo11是yolo系列目标检测算法的最新版本,相比之前的版本,yolo11在网络架构设计、特征提取效率以及推理速度上进行了显著改进。该算法采用了先进的主干网络、增强的特征融合策略和更为高效的训练方式,在各类常规光学图像的目标检测任务中都展现出了优越的性能,是目前学术界和工业界广泛应用的主流单阶段目标检测模型。
5、对于合成孔径雷达(sar)图像目标检测任务而言,yolo11虽然具备较快的推理速度和初步的目标识别能力,但由于sar图像独特的成像机理,传统的yolo11算法在处理此类复杂数据时面临着严峻的技术挑战。sar图像普遍存在强烈的相干斑噪声(specklenoise),且背景杂波(如海面杂波、复杂地貌)极为复杂,目标往往呈现出尺度变化剧烈、散射特征稀疏且微弱的特点。这导致弱小目标的视觉特征极易与背景混淆。此外,sar图像中目标的尺度差异巨大,且目标的微波散射特征受观测方位角影响极大,常规的yolo11网络在多尺度特征感受野的自适应提取和关键特征的聚焦上不够灵活,容易导致特征丢失,进而影响最终的检测精度和召回率。
6、具体而言,现有yolo11技术在应用于sar图像检测时,主要存在以下因果关系推导出的技术缺陷:
7、1. 传统下采样导致微弱目标空间信息严重流失:yolo11经过特征金字塔构建多尺度特征空间时,多次的常规下采样操作(如大步长卷积或池化)会粗暴地丢弃像素级信息。对于sar图像中原本就微弱、缺乏纹理的小目标或边缘模糊目标,这种操作会导致细粒度的空间细节大量丢失,进而引发严重的漏检问题,影响最终的检测精度。
8、2. 固定感受野难以适应复杂散射特征且抗噪能力差:传统卷积的感受野相对固定,且缺乏高效的多维特征聚合机制。在面对sar图像中受观测方位角剧烈影响的复杂目标时,难以自适应地提取多尺度特征;同时,在缺乏有效注意力引导的情况下,模型极易被高强度的相干斑噪声或与目标特征相似的背景杂波所干扰,导致算法很难将真实目标与强杂波虚警区分开来,产生大量误检。
技术实现思路
1、针对上述现有技术的缺点,本发明的目的是提供一种动态全维与尺度自适应的sar图像目标检测方法,解决模型在强相干斑噪声和复杂背景杂波下特征聚焦能力不足、容易产生漏检和误检的技术难题,从而显著提升sar图像目标检测的精度和鲁棒性。
2、为实现上述目的本发明采用如下技术方案:
3、一种动态全维与尺度自适应的sar图像目标检测方法,包括如下步骤:
4、第一步,构建dosa-sar检测器
5、dosa-sar检测器由主干网络(backbone)、颈部特征融合网络(颈部特征融合网络(neck))和检测头(head)三个部分组成;
6、主干网络(backbone)的输入为原始sar图像,整体采用递进式串行结构,依次由以下核心子模块堆叠而成:
7、浅层动态感受野下采样模块(srfd):位于网络最前端,采用多分支并行结构,具体分支包含空间深度转换(space-to-depth)、跨步卷积(strided convolution)和最大池化(max pooling);
8、c3k2_ema核心特征提取块:在c3k2跨阶段局部框架内嵌入了指数移动平均注意力机制(ema);
9、尺度自适应与ema增强主干模块(safe):位于特征提取中段,负责对中间特征进行显著性重标定;
10、sppf+c2psa(空间金字塔池化与跨阶段金字塔自注意力):位于主干网络(backbone)的最底部(输出端),两者串联组合;
11、颈部特征融合网络(neck)的核心模块包括:
12、spdconv(空间深度转换卷积):位于颈部特征融合网络(neck)入口;
13、upsample(上采样):用于对齐不同层级的特征分辨率;
14、drfd(深层动态感受野递归融合模块):位于颈部特征融合网络(neck)中部和尾部,内置可变形卷积;
15、cspomnikernel(跨阶段全向大核卷积模块):安置于p3层级特征处理的关键路径中,内部集成超大核卷积、空间注意力与频域特征调制技术;
16、ema(指数移动平均注意力):穿插于各个模块之间;
17、检测头(head)由并行的解耦预测卷积层组成,head层接收来自颈部特征融合网络(neck)的多尺度特征(p3,p4,p5),并执行目标的分类和边界框回归任务,对于每一个输入的特征图,检测头(head)内部通过两个独立的卷积分支进行并行运算:,网络直接输出detection results(检测结果);
18、第二步,基于dosa-sar检测器的sar图像目标检测方法:
19、2.1:主干网络(backbone)特征提取
20、原始sar图像首先进入主干网络(backbone)的srfd模块,利用空间深度转换、跨步卷积和最大池化三个分支并行处理并融合,随后特征图流入c3k2_ema模块,通过指数移动平均注意力对通道和空间维度加权,提纯后的特征经safe模块突出前景显著区域,最后经sppf+c2psa组合聚合多尺度感受野信息并进行稀疏自注意力交互,最终输出多层级特征图传递至颈部特征融合网络(neck);
21、2.2:颈部特征融合网络(neck)多尺度特征融合
22、主干网络(backbone)输出的多尺度特征首先经spdconv将空间信息重排至通道维度,随后经upsample统一分辨率,进入首次drfd利用可变形卷积进行逐像素对齐与递归融合,并由ema重标定;对齐后的特征流入cspomnikernel,通过超大核卷积捕获全局依赖、空间注意力定位目标区域、频域调制抑制杂波,实现全局与局部上下文的深度整合;特征再经第二次drfd递归融合,并连续通过两层ema过滤残留噪声,最终输出p3、p4、p5三张纯净且对齐的特征图;
23、2.3:检测头(head)目标分类与定位
24、检测头(head)并行接收p3、p4、p5特征图,对每张特征图,分类分支计算各锚点对应类别的置信度分数,回归分支计算边界框中心点偏移量与宽高缩放量;三个尺度的预测结果汇总后经非极大值抑制去除冗余框,最终输出在原始sar图像上标注目标类别与精确位置的检测结果。
25、优选地,尺度自适应与ema增强主干模块结合了动态感受野下采样(drfd)与指数移动平均(ema)注意力机制;
26、该模块包含以下核心运算步骤:
27、自适应感受野下采样(drfd):通过三个并行分支cutd、convd和maxd实现信息的无损压缩与多感受野提取;
28、给定输入特征图,首先经过一个卷积得到扩展特征,随后,特征图被送入三个不同的处理分支:
29、cutd分支对输入特征按照特定的步长进行切片,提取四个不同相位的子特征图:
30、
31、
32、
33、
34、将这四个子特征在通道维度拼接,并通过一个1×1卷积进行融合与降维,得到输出:
35、
36、convd分支通过步长为2的1×1卷积提取更深层次的语义信息,并应用非线性激活:
37、
38、maxd分支用于保留特征中最显著的边缘和响应峰值:
39、
40、特征融合:将三个分支获取的不同感受野下的特征进行拼接,并通过1×1卷积整合为统一的下采样特征表示:
41、
42、ema注意力增强(bottleneck_ema):下采样后的特征随后被送入带有ema注意力机制的c3k2瓶颈结构中,对于瓶颈层内的输入,先经过两次卷积操作提取深层局部特征:
43、
44、之后,利用ema(指数移动平均)注意力模块对通道和空间特征进行跨维度加权,以突出具有高判别力的sar目标特征并抑制杂波,最后通过残差连接与原始输入相加得到输出:
45、。
46、优选地,在颈部特征融合网络(neck)和检测头(head)的过渡阶段,设置动态全维特征聚合模块(dofa),由空间深度转换下采样(spdconv)与全维动态特征聚合卷积(cspomnikernel)协同构成;
47、该模块主要包含以下核心运算步骤:
48、空间深度转换下采样(spdconv):
49、给定输入特征图,设定切片步长为2,提取四个不同起始偏移量的子特征图:
50、
51、
52、
53、
54、将上述四个子特征在通道维度进行拼接,随后通过一个卷积层进行通道融合与特征映射,得到输出:
55、
56、全维动态特征聚合(cspomnikernel):
57、输入特征首先经过1×1卷积,沿通道维度被分割为两部分,其中一部分进入核心的omnikernel进行处理;
58、在omnikernel内部,包含空间多尺度提取与频域注意力调制两个核心分支:
59、1). 空间多分支感受野提取:
60、通过多组并行的深度可分离卷积(dwconv)捕获极具差异化的感受野,设定极大卷积核尺寸为:
61、
62、2). 频域门控与空间通道协同注意力(fca,sca&fgm):
63、由于sar杂波在频域呈现特定分布,模块引入二维快速傅里叶变换(fft)进行频域调制,首先提取通道注意力权重,并将其作用于频域特征:
64、
65、
66、
67、
68、其中,和分别表示二维前向和逆向快速傅里叶变换,表示特征张量的逐元素相乘,表示取绝对值操作以获取复数的真实特征幅值,和为自适应学习的权重参数;
69、之后,将空间多分支网络提取的广阔感受野特征与频域门控细化后的上下文特征进行相加融合,并经过激活函数与卷积输出,该输出与另一条未经处理的恒等映射(identity)分支进行拼接,最终的特征聚合输出表示为:
70、。
71、本发明具有以下有益效果:
72、本发明针对sar图像相干斑噪声强、背景杂波复杂以及多尺度目标特征微弱的特点,对基础yolo11的主干网络和检测头进行了创新性重构。提出了自适应感受野与ema注意力协同的主干特征提取网络,构建的dosa-sar检测器,解决了yolo11在sar图像目标检测任务中的不足之处。通过引入感受野模块srfd/drfd以及空间到深度转换卷积等技术,打破了传统固定卷积的局限,使模型能够在不同网络深度上自适应地调整感受野大小,精准捕获尺度剧烈变化的sar目标特征。同时,深度结合指数移动平均注意力机制(c3k2_ema),利用跨维度的信息交互有效抑制了背景杂波和相干斑噪声的干扰,增强了模型对关键目标区域的聚焦能力。显著提升了模型在强噪声、复杂背景以及多尺度目标场景下的特征提取与抗干扰能力,实现了sar图像目标检测精度和鲁棒性的全面突破。
73、构建了基于空间深度转换与全维动态卷积的特征聚合检测模块。针对微弱小目标特征易丢失的问题,在特征金字塔的下采样阶段引入空间到深度转换卷积(spdconv),有效避免了传统跨步卷积或池化操作带来的细粒度像素信息流失,最大程度保留了微弱目标的原始空间特征。此外,结合全维动态特征卷积(cspomnikernel),实现了多维度上下文信息的深度整合与动态聚合,增强了网络在复杂背景和高相似度干扰下的特征判别力与鲁棒性。
74、通过在ogsod-1.0等专用数据集上的验证,进一步证实了所提方法在准确度和鲁棒性上的优势,为sar图像目标检测领域提供了一种新的解决方案,具有广泛的应用前景和重要的研究价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com