【技术实现步骤摘要】
本专利技术涉及遥感图像目标检测，尤其是涉及一种面向复杂sar场景的舰船检测方法。
技术介绍
1、高分辨率合成孔径雷达图像(sar)作为一种主动式微波成像传感器，可在不受光照与天气限制的情况下，实现远距离、高分辨率对海观测，因而在海上搜救、溢油监测、交通管理、渔业监管、移民追踪及海岸防御等关键领域具有不可替代的战略价值。sar舰船检测的核心目标是在复杂背景干扰下，精确提取舰船特征，完成高置信度识别与亚像素级定位。然而，sar图像固有的相干斑噪声、海陆杂波耦合以及舰船目标在尺度、长宽比、朝向和密集度上的高度异质性，为传统深度学习方法在特征表征与多尺度建模方面带来了严峻挑战，严重制约了检测精度与鲁棒性的进一步提升。
2、近年来，卷积神经网络(cnn)在sar舰船检测任务中取得了显著进展，但现有方法仍面临诸多局限。dong等人提出的gelan-cmp通过组件模型与多层多池化通道注意力机制提升了大尺度舰船的检测性能，却不可避免地带来了计算复杂度的显著增加。zhang等人提出的yolo-fa引入频域自适应权重模块以抑制复杂背景杂波，但频...
【技术保护点】
1.一种面向复杂SAR场景的舰船检测方法，其特征在于，该方法将获取的高分辨率合成孔径雷达图像输入DPM-YOLO舰船检测网络，输出舰船目标检测效果图，其中，所述DPM-YOLO舰船检测网络基于YOLOv11网络进行改进，在主干网络中引入DPSConv模块以在保留细微特征细节的同时利用感受野捕获多尺度上下文信息，在颈部网络中引入PromptFusionMod模块以通过空间压缩与提示融合、高效注意力机制、轻量化多层感知机和输出精细化处理四个处理阶段进行多模态特征融合，并将原检测头替换为MscaleASFFHead检测头。
2.根据权利要求1所述的一种面向复杂S...
【技术特征摘要】
1.一种面向复杂sar场景的舰船检测方法，其特征在于，该方法将获取的高分辨率合成孔径雷达图像输入dpm-yolo舰船检测网络，输出舰船目标检测效果图，其中，所述dpm-yolo舰船检测网络基于yolov11网络进行改进，在主干网络中引入dpsconv模块以在保留细微特征细节的同时利用感受野捕获多尺度上下文信息，在颈部网络中引入promptfusionmod模块以通过空间压缩与提示融合、高效注意力机制、轻量化多层感知机和输出精细化处理四个处理阶段进行多模态特征融合，并将原检测头替换为mscaleasffhead检测头。
2.根据权利要求1所述的一种面向复杂sar场景的舰船检测方法，其特征在于，所述dpm-yolo舰船检测网络中，输入特征经由cbs模块与c3k2模块进行初步滤波和通道压缩，得到低层特征，其后经过第一dpsconv模块处理得到中间特征，所述中间特征经cbs模块规范化与激活后输入第二dpsconv模块，第二dpsconv模块的输出被送入sppf模块进行多尺度最大池化并行处理与特征汇聚，sppf模块输出的特征被送入c2psa模块，利用跨阶段的部分注意力机制捕获长程依赖关系，输出高层特征；
3.根据权利要求1所述的一种面向复杂sar场景的舰船检测方法，其特征在于，所述dpsconv模块由两个串联的fconv子模块构成，所述fconv子模块采用渐进式感受野扩展策略，融合信息瓶颈理论与特征分化原则，通过双路径结构学习输入数据的最优压缩表示，其中，所述双路径结构作为隐式特征多样化机制运行，每条路径用于提取不同的子空间特征。
4.根据权利要求3所述的一种面向复杂sar场景的舰船检测方法，其特征在于，所述fconv子模块对其输入特征图执行降维投影变换后，再依次执行双路径特征变换和进行变换与增强，最后对双路径特征变换的结果进行特征聚合和维度扩展变换得到最终输出，该过程表示为：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。