基于深度学习的 SAR 图像舰船目标检测综述

针对高分辨率合成孔径雷达（SAR）舰船目标多场景、多尺度、密集排布的显著特征,以及成像过程中相干噪声导致目标边缘细节模糊的问题,提出一种融合小波阈值和快速非局部均值滤波（F-NLM）去噪的高分辨率SAR舰船检测方法。

首先,利用小波阈值与F-NLM融合去噪模块预处理SAR图像,来降低海杂波噪声及增强检测目标细节特征和边缘信息,使提取的特征更具判别性。然后,选用YOLOv7检测算法结合双向特征金字塔网络来对多尺度特征有效聚合,以进一步提高模型准确率。

实验结果显示,使用去噪数据集D-SSDD得到的检测平均准确度可达98.69%,虚警率降低至2.37%。

研究表明,所提方法不仅能均匀背景杂波以提高图像质量,还能提高多尺度特征信息的交互性,保证目标检测精度和准确度。