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。
暂无评论