属性信息辅助的SAR舰船目标检测方法研究.pdfVIP

属性信息辅助的SAR舰船目标检测方法研究

摘要

SyntheticApertureRadar,SAR

合成孔径雷达（）具有全天时全天候的对地观测能力，

能够在恶劣天气以及黑夜清晰成像。基于这种优势，利用SAR对舰船目标进行检测成

为了研究热点之一。近年来，越来越多基于光学图像提出的深度学习目标检测算法被应

用到SAR舰船目标检测中。虽然这些算法表现出了良好的效果，但是由于较少与SAR

成像机理相结合，其性能依旧受到了限制。由于复杂场景SAR图像中岸上目标以及图

像噪声与舰船目标的特征较为相似，因此目标检测模型容易发生漏检误检等问题。此外，

基于光学图像提出的算法很少考虑到SAR图像的极化方式，也会导致检测精度受限。

地物结构以及雷达参数等属性信息的利用不充分是导致这些问题的原因之一。因此，本

文提出了属性信息辅助的SAR舰船目标检测方法，包括：地物结构相对应的角点信息

辅助以及雷达参数相对应的极化信息辅助。

首先，针对复杂场景岸上物体以及背景噪声对舰船目标检测有强干扰的问题，提出

了一种角点信息增强的SAR舰船目标检测方法。所提方法提取SAR图像中的角点信息，

得到角点特征图，然后将其与SAR图像同时放入目标检测网络中，以增强图像中的角

点，从而突出图像中地物重要的几何结构信息，提高检测精度。同时，为了解决缺乏针

对复杂场景SAR舰船目标检测研究的数据集的问题，组建了相关数据集，并且对数据

集进行了统计，构建了数据集的基线。角点信息增强实验均在所组建的数据集上进行。

其次，针对SAR图像中极化信息利用不充分，所导致的目标检测模型对于有效特

征关注不充分的问题，提出了一种极化信息引导的SAR舰船目标检测方法。首先，该

方法提出了极化引导头，引导模型主干网络提取到极化信息。其次，该方法提出了极化

信息融合策略，将极化特征图与主干网络中的特征图融合，使模型更加充分的利用极化

信息。所提方法能够使得模型获得提取SAR图像中极化信息的能力，从而辅助其关注

到更有价值的特征，提高检测精度。

综上所述，本文分析了SAR舰船目标检测目前所面临的问题，提出了角点信息增

强的SAR舰船目标检测方法，以及极化信息引导的SAR舰船目标检测方法，分别针对

复杂场景检测精度低以及极化信息利用不充分的问题提出了有效的解决方案并设计了

完整的检测方法。经实验，所提出的方法提升了基线模型的检测精度。

关键词：合成孔径雷达；属性信息；舰船检测；角点信息；极化信息

属性信息辅助的SAR舰船目标检测方法研究

Abstract

SyntheticApertureRadar(SAR)hastheabilitytoobservetheEarthdayandnightclearly,

eveninadverseweatherconditionsandatnight,makingitanimportantissueforship

detection.Recently,deeplearningobjectdetectionalgorithmsthatwereoriginallyproposed

foropticalimageshavebeenappliedtoSARshipdetection.Althoughthesealgorithmshave

showngoodperformance,theireffectivenessisstilllimitedbecauseofthelackof

combinationwithSARimagingmechanism.Duetothesimilarityinfeaturesbetween

land-basedobjectsandimagenoise,andtheshipsincomplexSARimages,targetdetection

modelsarepronetoissuessuchasmisseddetectionandfalsealarms.Inadditio