面向目標(biāo)檢測(cè)的SAR圖像去噪和語義增強(qiáng)

曲海成，申磊

（遼寧工程技術(shù)大學(xué)軟件學(xué)院，遼寧葫蘆島 125105）

0 引言

合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）是一種主動(dòng)式微波傳感器，可在能見度極差的環(huán)境下獲取高分辨率的遙感圖像，廣泛應(yīng)用在漁船監(jiān)測(cè)和軍事偵察中［1］。合成孔徑雷達(dá)的獨(dú)特成像原理導(dǎo)致海洋雜波散射形成相干斑噪聲［2］，使得艦船邊緣在SAR 圖像中更加模糊。SAR 圖像中的目標(biāo)由大量亮點(diǎn)組成，島礁、碼頭等形似艦船的物體使得SAR 圖像背景更加復(fù)雜，艦船目標(biāo)容易淹沒在復(fù)雜背景中。

傳統(tǒng)SAR 圖像檢測(cè)算法多為恒虛警率算法（Constant False-Alarm Rate，CFAR）及其衍生算法［3］。為了解決泄露在局部窗口中的異質(zhì)點(diǎn)影響雜波篩選的問題，AI J 等提出自適應(yīng)截?cái)嚯s波統(tǒng)計(jì)的雙參數(shù)恒虛警率算法（Truncated Statistics Log Normal Constant False-Alarm Rate，TS-LNCFAR）［4］，通過自適應(yīng)閾值去除局部滑動(dòng)窗口中的高強(qiáng)度異質(zhì)點(diǎn)，保留更加真實(shí)的海洋雜波。為了解決多目標(biāo)場(chǎng)景下算法性能較低的問題，LI T 等提出超像素級(jí)恒虛警檢測(cè)算法（SuperPixel-Level Constant False-Alarm Rate，SuperPixel-Level CFAR）［5］。以像素點(diǎn)為基本單元，對(duì)每一個(gè)超像素估計(jì)背景雜波分布的參數(shù)，并計(jì)算每一個(gè)像素點(diǎn)的檢測(cè)統(tǒng)計(jì)量，大于閾值的定義為目標(biāo)像素點(diǎn)，小于閾值的定義為海洋雜波像素點(diǎn)，從而更好地區(qū)分目標(biāo)和海洋雜波，提高多目標(biāo)場(chǎng)景檢測(cè)效果。

深度學(xué)習(xí)在目標(biāo)檢測(cè)領(lǐng)域的應(yīng)用推動(dòng)了SAR 圖像目標(biāo)檢測(cè)的發(fā)展，LI J 等首次將Faster R-CNN 應(yīng)用于SAR 圖像［6］，利用特征融合和遷移學(xué)習(xí)［7］對(duì)檢測(cè)模型進(jìn)行優(yōu)化。T Y 等提出單階段檢測(cè)模型Retinanet［8］，通過精簡(jiǎn)模型在損失一定精度的情況下提升了檢測(cè)速度。近年來，CornerNet［9］、CenterNet［10］等基于無錨框檢測(cè)模型減少了模型超參數(shù)，降低對(duì)硬件的要求。……