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。
基于非均匀立体构型多基线SAR的层析成像主要存在两个难题,一是混合基线引起的二次相位误差问题,二是非均匀基线引起的散焦问题。针对二次相位误差问题,该文首次分析并推导了多基线SAR各方向基线对不同位置散射点干涉相位的影响,并根据它们结构的不同,分别采用相位补偿和变量代换技术进行了修正;针对非均匀基线引起的散焦问题,该文提出了基于信噪比加权的频域最小二乘幅度相位估计(Amplitude and Phase EStimation,APES)算法,实现了非均匀基线情况下的高度维聚焦。仿真数据和ALOS星载SAR实测数据的实验结果验证了该文算法的有效性。
暂无评论