基于全局特征融合的SAR图像旋转舰船目标检测算法

TP751.1; 针对常规模型在合成孔径雷达(synthetic aperture radar,SAR)图像中对近岸旋转舰船目标检测效果不佳的问题,提出一种基于全局特征融合的SAR图像旋转舰船目标检测方法.首先,通过全局注意力特征金字塔网络融合不同层级特征,缩短了底层特征向顶层特征的传递路径.其次,在图像块融合阶段加入位置编码,以减少降采样导致的定位信息损失.最后,采用旋转特征对齐网络生成高质量的锚点和旋转对齐特征,用于分类和坐标回归.所提方法在SAR舰船斜框检测数据集(rotated ship detection dataset in SAR images,RSDD-SAR)上旋转交并比为0...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 12; pp. 4044 - 4053
Main Authors 薛峰涛, 孙天宇, 杨益民, 杨健
Format Journal Article
LanguageChinese
Published 北京遥感设备研究所,北京 100854%清华大学电子工程系,北京 100084 01.12.2024
Subjects
舰船检测
旋转目标检测
特征融合
feature fusion
合成孔径雷达
rotated target detection
神经网络
ship detection
synthetic aperture radar(SAR)
neural network
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.12.13

Cover

More Information
Summary:TP751.1; 针对常规模型在合成孔径雷达(synthetic aperture radar,SAR)图像中对近岸旋转舰船目标检测效果不佳的问题,提出一种基于全局特征融合的SAR图像旋转舰船目标检测方法.首先,通过全局注意力特征金字塔网络融合不同层级特征,缩短了底层特征向顶层特征的传递路径.其次,在图像块融合阶段加入位置编码,以减少降采样导致的定位信息损失.最后,采用旋转特征对齐网络生成高质量的锚点和旋转对齐特征,用于分类和坐标回归.所提方法在SAR舰船斜框检测数据集(rotated ship detection dataset in SAR images,RSDD-SAR)上旋转交并比为0.5时的平均检测精度达到了0.894 8,对近岸和离岸舰船都有着较好的检测性能.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.12.13