TranSTD:基于小波变换和自适应特征增强的SAR目标检测新方法
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:TranSTD: A Wavelet-Driven Transformer-Based SAR Target Detection Framework With Adaptive Feature Enhancement and Fusion
【字体:
大
中
小
】
时间:2025年12月11日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5.4
编辑推荐:
本文针对合成孔径雷达(SAR)图像目标检测中存在的散斑噪声干扰、语义信息丢失、密集目标检测困难等挑战,提出了一种基于小波变换和Transformer的TranSTD框架。研究团队创新性地设计了Haar小波动态下采样(HWDD)模块、语义保持动态下采样(SPDD)模块、SAR自适应卷积瓶颈(SAC Bottleneck)和多尺度SAR注意力融合编码器(MSAF Encoder),在三个公开数据集上的实验表明,该方法在检测精度和计算效率方面均优于当前最先进的方法,为复杂场景下的SAR目标检测提供了有效解决方案。
在遥感技术飞速发展的今天,合成孔径雷达(SAR)以其独特的全天候、全天时工作能力,在环境监测、灾害评估、城市规划等领域发挥着不可替代的作用。然而,SAR图像中固有的散斑噪声就像一层难以去除的"面纱",严重影响了目标特征的提取。更棘手的是,传统的卷积神经网络(CNN)下采样方法在压缩图像尺寸的同时,往往会丢失关键的语义信息,使得目标检测的准确性大打折扣。当面对密集分布的目标或者散射特征微弱的目标时,这一问题变得尤为突出。
近年来,虽然Transformer模型在计算机视觉领域展现出强大的特征表示能力,但其在SAR目标检测中的应用仍面临计算复杂度高、难以在检测性能与效率之间取得平衡等挑战。一些新兴方法如Mamba网络和扩散模型虽然有所尝试,但参数量大、计算复杂,给实时推理和部署带来了巨大困难。
针对这些技术瓶颈,西安电子科技大学的研究团队在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上发表了一项创新性研究,提出了名为TranSTD的新型SAR目标检测框架。该研究以RT-DETR为基线框架,针对SAR图像的独特特性进行了多项创新性改进。
研究团队设计了四个关键模块:HWDD模块通过Haar小波去噪和输入驱动的动态池化下采样,有效抑制噪声并保留语义信息;SPDD模块作为HWDD的简化版本,用于编码器中的下采样操作;SAC Bottleneck通过SAR自适应卷积(SA Conv)增强目标特征判别力;MSAF Encoder采用四分支结构,结合SAR曼哈顿注意力和轻量级Gabor变换,实现多尺度特征的高效融合。实验在SSDD、HRSID和MSAR-1.0三个数据集上进行,涵盖了不同极化模式、分辨率和目标类别。
TranSTD的整体架构包含三个主要组成部分:骨干网络、MSAF编码器和Transformer解码器。骨干网络负责从输入SAR图像中提取多分辨率特征图,首先通过HWDD模块进行去噪和下采样处理,然后通过SAC Bottleneck进行特征提取和变换,最终获得相对于输入下采样8倍、16倍、32倍和64倍的多尺度特征图。这些特征随后被送入MSAF编码器进行进一步处理。
MSAF编码器是一个结合了注意力机制与CNN的高效模块,基于RT-DETR的混合编码器架构构建,采用四分支并行特征融合策略。其中的SAR跨尺度特征融合模块(SCFF)基于PAN架构,使用SPDD改进下采样,并利用SM Fusion模块实现不同尺度间的有效特征融合。
Transformer解码器利用目标查询生成和多层Transformer架构,整合交叉注意力和自注意力机制,精确定位和分类目标。该解码器通过优化目标查询来产生高精度的检测输出,在复杂场景中提高了检测的准确性和鲁棒性。
针对语义信息丢失问题,研究团队提出了HWDD和SPDD两个创新模块。HWDD包含去噪和两个下采样过程,其中Haar小波去噪(HW Denoise)首先对输入特征进行二维离散小波变换,分解为四个基于频率成分的子带。基于SAR图像的先验知识,目标主要出现在低频分量中,而散斑噪声主要分布在高频波段。因此,研究团队仅对高频子带(LH、HL、HH)应用软阈值处理,最大程度地保留目标特征同时抑制噪声。
在2倍下采样过程中,首先对去噪后的图像应用7×7卷积,然后采用切切片方法(CutD)处理特征图,同时使用3×3分组卷积(GConv)扩展通道,接着进行3×3深度可分离卷积(DWConv)进行下采样。在从2倍到4倍的下采样过程中,引入了输入驱动动态池化下采样(IDPD)模块,根据输入内容自适应调整池化策略。
SPDD模块是HWDD的简化版本,专为编码器中的特征下采样设计。与HWDD类似,输入特征图通过三个并行分支处理,结果通过拼接和卷积进行融合,在保证性能的同时提高了计算效率。
为解决密集目标和弱散射目标导致的特征判别力不足问题,研究团队提出了SAC Bottleneck with SA Conv。SA Conv由四个自适应卷积分支组成,在训练期间融合多个卷积层权重,在部署时合并为常规卷积以避免额外计算。
具体包括四个专门设计的卷积变体:自适应垂直/水平差分卷积(AVDC/AHDC)用于增强SAR图像中的方向性特征,有效提取各向异性散射结构;自适应角度差分卷积(AADC)更好地捕捉多方向边缘和几何变形;自适应中心增强卷积(ACEC)通过选择性放大卷积核的中心权重并抑制周围权重,来突出密集场景中的微小目标。
为实现复杂场景下计算成本与检测精度之间的平衡,研究团队开发了MSAF编码器架构。该设计采用创新的四分支多尺度处理框架结合SCFF模块。与RT-DETR中的原始编码器相比,额外增加了源自S2的浅层分支,显著增强了捕获不同尺寸目标特征的能力。
SCFF模块中的SM Fusion引入了分解的曼哈顿自注意力机制,将复杂的注意力计算分解为一维操作,显著降低了计算复杂度。其中的轻量级Gabor曼哈顿注意力(LGMA)组件首先对输入张量进行轻量级Gabor变换,然后应用通道注意力,最后通过SAR曼哈顿注意力处理特征图。SAR曼哈顿注意力采用分解的曼哈顿自注意力机制,分别计算SAR图像方位角和距离向的注意力分数,并应用一维双向衰减矩阵,有效平衡短距离和长距离信息。
在SSDD数据集上的消融实验表明,HWDD模块将精度从0.932提升至0.966,AP50从0.962提升至0.975,但召回率从0.933降至0.901。SAC Bottleneck的加入使召回率从0.901提升至0.925,F1分数从0.932升至0.943。MSAF编码器虽然使精度从0.962略降至0.954,但将召回率显著提升至0.957,F1分数达到0.955,AP50为0.975,AP为0.654。
在与现有方法的对比中,TranSTD在三个数据集上均表现出色。在SSDD数据集上,TranSTD的精确度、召回率、F1分数、AP50和AP分别为0.954、0.957、0.955、0.975和0.654,在保持轻量级架构的同时展现了领先的性能指标。在HRSID数据集上,TranSTD获得了0.945的精确度、0.912的F1分数、0.938的AP50和0.718的AP,优于所有对比算法。在MSAR-1.0多类目标检测数据集上,TranSTD的精确度、召回率和F1分数分别为0.923、0.940和0.931,AP达到0.806,是所有基线中最高的,同时在参数量和计算量方面保持较小规模。
TranSTD框架通过多尺度特征交互、多样化注意力机制和基于Transformer的全局建模的协同组合,为SAR目标检测提供了一种创新解决方案。该研究的主要贡献在于:HWDD和SPDD模块通过HW Denoise和IDPD技术,比传统下采样方法更有效地保留语义信息;SAC Bottleneck with SA Conv在不增加部署时计算负载的情况下增强目标特征,有效处理密集和弱散射目标;MSAF编码器采用四特征融合分支,结合SAR曼哈顿注意力和Gabor变换,以高效的参数和计算成本管理提高多尺度检测性能。
实验验证表明,这种集成框架在计算效率和检测性能之间取得了良好平衡,为SAR目标检测设立了新的技术标杆。该方法不仅显著提升了复杂场景下的目标检测能力,而且通过模块化设计为后续研究提供了可扩展的架构基础。未来研究方向可能包括探索少样本学习和跨域自适应技术,以减少对大量标注数据的依赖,进一步推动SAR目标检测技术在实际应用中的部署和发展。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号