面向目標(biāo)檢測(cè)的SAR圖像去噪和語(yǔ)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(jiàn)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(méi)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(wèn)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(guò)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(wèn)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(guò)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(lái)，CornerNet［9］、CenterNet［10］等基于無(wú)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。LANHAM M 等提出Transformer［11］，在自然語(yǔ)言處理領(lǐng)域利用多頭注意力機(jī)制達(dá)到了更好的效果。隨后Transformer 應(yīng)用于目標(biāo)檢測(cè)，達(dá)到了比Faster R-CNN 更好的檢測(cè)效果。

傳統(tǒng)SAR 圖像檢測(cè)算法只能針對(duì)特定的數(shù)據(jù)，算法泛化能力較差。同時(shí)傳統(tǒng)SAR 圖像需要人工提取特征，過(guò)程復(fù)雜且較難提取到充分的特征?；谏疃葘W(xué)習(xí)的檢測(cè)模型分為基于錨框的檢測(cè)模型和無(wú)錨框檢測(cè)模型?；阱^框的檢測(cè)模型需要引入錨框數(shù)量、錨框比例等超參數(shù)，消耗大量的計(jì)算資源。在艦船尺度多樣的SAR 圖像中，人工設(shè)計(jì)的錨框不能完美適合各種尺度的艦船目標(biāo)，導(dǎo)致模型檢測(cè)效果較差。無(wú)錨框的檢測(cè)模型主要針對(duì)光學(xué)圖像，SAR 圖像中背景復(fù)雜且存在相干斑噪聲，容易淹沒(méi)艦船位置信息，降低模型檢測(cè)精度。

為了解決上述問(wèn)題，本文提出了像素級(jí)消噪和語(yǔ)義增強(qiáng)的檢測(cè)模型。提出利用預(yù)測(cè)的真值掩碼特征獲得［0，1］的注意力圖，然后利用掩碼注意力圖逐像素指導(dǎo)特征圖，抑制復(fù)雜背景中的物體和相干斑噪聲，最后采用交叉熵?fù)p失優(yōu)化預(yù)測(cè)的真值掩碼特征。提出語(yǔ)義增強(qiáng)模塊，利用非對(duì)稱卷積層提取不同維度特征，同時(shí)將低層特征重新融合［12］到下層網(wǎng)絡(luò)，避免卷積操作導(dǎo)致信息丟失。語(yǔ)義增強(qiáng)模塊能解決高Intersection Over Union（IOU）分?jǐn)?shù)低分類置信度的候選框被抑制的問(wèn)題。在語(yǔ)義增強(qiáng)模塊里使用Transformer Encoder 模塊，用于提取特征圖中的上下文信息［13］，保證特征圖始終保持全局感受野。

1 像素級(jí)去噪和語(yǔ)義增強(qiáng)的檢測(cè)模型

SAR 圖像與光學(xué)圖像不同，SAR 圖像中的目標(biāo)容易受復(fù)雜背景信息和噪聲抑制，導(dǎo)致檢測(cè)模型忽略目標(biāo)信息，誤將背景信息中的物體識(shí)別為艦船。為了消除背景信息和相干斑噪聲的影響，提出像素級(jí)去噪和語(yǔ)義增強(qiáng)的檢測(cè)模型。如圖1 所示，模型可以分為四部分：特征提取模塊、特征金字塔模塊、像素級(jí)去噪模塊和檢測(cè)模塊。1）特征提取模塊：一般來(lái)說(shuō)，較深的主干網(wǎng)絡(luò)提取的特征圖具有更豐富的語(yǔ)義信息，然而，簡(jiǎn)單的增加網(wǎng)絡(luò)深度很容易導(dǎo)致小目標(biāo)位置丟失。Resnet50 網(wǎng)絡(luò)層數(shù)較淺，提取的特征圖缺少語(yǔ)義信息，高質(zhì)量的候選框因?yàn)檩^低的分類置信度被抑制，導(dǎo)致模型檢測(cè)效果較差。因此選擇Resnet101 作為主干網(wǎng)絡(luò)。2）特征金字塔模塊：首先將主干網(wǎng)絡(luò)提取的特征圖輸入Transformer Encoder 模塊獲得具有全局感受野和上下文信息的特征圖。然后，在自上而下融合過(guò)程中，將對(duì)應(yīng)的底層特征圖重構(gòu)到子網(wǎng)絡(luò)，有助于解決梯度消失問(wèn)題，最終獲得｛P3，P4，P5，P6，P7｝層特征圖。3）像素級(jí)去噪模塊：去噪模塊生成與特征圖對(duì)應(yīng)的注意力圖，然后將特征圖與注意力圖逐像素點(diǎn)相乘，增加目標(biāo)區(qū)域像素的權(quán)重，降低非目標(biāo)區(qū)域像素點(diǎn)的權(quán)重，使得目標(biāo)區(qū)域和非目標(biāo)區(qū)域具有更好的對(duì)比度。4）檢測(cè)模塊：檢測(cè)模塊用同一個(gè)檢測(cè)頭檢測(cè)不同尺度的特征圖。為了解決不同尺度特征圖的回歸框差異性，該模塊引入可訓(xùn)練的尺度參數(shù)自動(dòng)調(diào)整回歸框。在訓(xùn)練過(guò)程中，檢測(cè)模型總會(huì)出現(xiàn)距離中心點(diǎn)較遠(yuǎn)的低質(zhì)量候選框。Center-ness 表示該位置到中心點(diǎn)的距離，并采用交叉熵?fù)p失函數(shù)進(jìn)行優(yōu)化，獲得高質(zhì)量的候選框。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Network structure diagram

首先，利用Resnet101 主干網(wǎng)絡(luò)提取特征，Resnet101 中conv2、conv3、conv4、conv5 包含3、4、23、3 個(gè)殘差塊，與conv1 中的7×7 卷積層和3×3 池化層，共有110 個(gè)卷積層。每一層的最后一個(gè)殘差塊將特征圖縮減為原來(lái)的1/2，通道數(shù)變?yōu)樵瓉?lái)的2 倍，最終獲得｛C2，C3，C4，C5｝尺度的特征圖，為了保證模型的訓(xùn)練速度和顯存的消耗，C2特征圖沒(méi)有輸入檢測(cè)頭階段。然后，在兩層特征圖之間采用對(duì)稱卷積和非對(duì)稱卷積提取不同維度特征，并對(duì)提取的特征做基于Transformer 的編碼［14］處理，在增強(qiáng)語(yǔ)義信息的同時(shí)引入上下文信息。采用自上而下融合特征圖，使得底層高分辨特征圖包含豐富的語(yǔ)義信息。最后預(yù)測(cè)掩碼特征圖并采用Softmax 函數(shù)構(gòu)建注意力圖，對(duì)每一層特征逐像素相乘，激活艦船目標(biāo)信息，抑制背景信息。

算法總體流程為：

1）初始化主干網(wǎng)絡(luò)的預(yù)訓(xùn)練參數(shù)，將SAR 圖像輸入Resnet101 提取特征，獲得｛C2，C3，C4，C5｝特征圖。

2）采用金字塔思想，將主干網(wǎng)絡(luò)提取的特征圖輸入語(yǔ)義增強(qiáng)模塊，利用Transformer Encoder 獲得全局感受野和上下文信息，最終獲得｛P3，P4，P5，P6，P7｝特征圖。

3）去噪模塊生成對(duì)應(yīng)特征圖的注意力圖，逐像素更新特征圖中像素點(diǎn)的權(quán)重，增強(qiáng)復(fù)雜背景下目標(biāo)區(qū)的位置信息。同時(shí)，利用掩碼損失函數(shù)優(yōu)化注意力圖。

4）檢測(cè)頭網(wǎng)絡(luò)對(duì)輸入的多尺度特征圖進(jìn)行目標(biāo)分類和候選框回歸。

5）利用中心度損失函數(shù)訓(xùn)練網(wǎng)絡(luò)以獲取更優(yōu)的模型參數(shù)。中心度分?jǐn)?shù)和分類置信度的乘積作為候選框分?jǐn)?shù)，然后執(zhí)行非極大值抑制算法篩選候選框，獲得最終的檢測(cè)結(jié)果。

1.1 無(wú)錨框

SAR 圖像中艦船目標(biāo)稀疏，同時(shí)在不同分辨率下散射出的目標(biāo)尺度不同，人工無(wú)法設(shè)計(jì)能適配所有尺度目標(biāo)的錨框。為了提高對(duì)不同尺度目標(biāo)的適配度設(shè)計(jì)大量錨框，需要消耗大量的計(jì)算資源。本文利用無(wú)錨框的檢測(cè)模型，以中心點(diǎn)到每個(gè)邊框的偏移量［15］確定候選框的大小，去除了錨框數(shù)量、錨框比等冗余參數(shù)。中心點(diǎn)(x，y)到左邊框、右邊框、上邊框、下邊框的偏移量l、r、t、b表達(dá)式為

式中，(xmin，ymin)為真值框的左上角坐標(biāo)，(xmax，ymax)為真值框的右下角坐標(biāo)。

特征圖中(x，y)映射到原始圖像中的感受區(qū)域。所有映射到真值框中的像素點(diǎn)均作為模型正樣本，在訓(xùn)練過(guò)程中通過(guò)對(duì)偏移量回歸實(shí)現(xiàn)對(duì)候選框的調(diào)整，感受區(qū)域映射如圖2 所示。

圖2 感受區(qū)域映射Fig.2 Receptive area mapping

1.2 像素級(jí)去噪

SAR 圖像中大部分背景都包含相干斑噪聲，以注意力機(jī)制為主的去噪方法通過(guò)聚焦目標(biāo)實(shí)現(xiàn)去噪。但是注意力機(jī)制在復(fù)雜背景中強(qiáng)化目標(biāo)感知區(qū)域，并沒(méi)有真正實(shí)現(xiàn)對(duì)噪聲的抑制。因此提出像素級(jí)去噪模塊，通過(guò)激活目標(biāo)區(qū)域的位置信息活躍度，抑制非目標(biāo)區(qū)域的噪聲信息實(shí)現(xiàn)去噪。首先，特征圖經(jīng)過(guò)多個(gè)卷積層獲得fmask∈?H×W×2的掩碼圖；其次，經(jīng)過(guò)Softmax 函數(shù)將掩碼圖轉(zhuǎn)化為［0，1］的注意力圖；最后，對(duì)特征圖的每一層做逐像素點(diǎn)乘，生成最終的特征圖。針對(duì)預(yù)測(cè)掩碼特征圖，利用真值掩碼做損失來(lái)優(yōu)化注意力圖，損失函數(shù)表達(dá)式為

由圖3 可見(jiàn)，注意力圖中艦船目標(biāo)區(qū)域權(quán)重較大，非目標(biāo)區(qū)域權(quán)重較小，經(jīng)過(guò)逐像素點(diǎn)相乘之后特征圖中目標(biāo)區(qū)域和非目標(biāo)區(qū)域區(qū)分度更加明顯。經(jīng)過(guò)像素級(jí)消噪的特征圖具有更廣的目標(biāo)感受區(qū)域，復(fù)雜背景中的艦船目標(biāo)位置信息更加突出，形似艦船目標(biāo)的物體也得到有效抑制。圖4 為經(jīng)過(guò)Tensorboard 的可視化特征圖，圖4（a）為未消噪的特征圖，圖4（b）為經(jīng)過(guò)像素級(jí)消噪處理后的特征圖。可以看出艦船目標(biāo)在相干斑噪聲和復(fù)雜背景下的特征圖都達(dá)到了理想的去噪效果。

圖3 像素級(jí)消噪示意圖Fig.3 Pixel-level denoising diagram

圖4 像素級(jí)消噪效果Fig.4 Pixel-level denoising effect

1.3 語(yǔ)義增強(qiáng)

語(yǔ)義信息對(duì)判別是否為艦船具有重要指導(dǎo)意義，豐富的語(yǔ)義信息能提高目標(biāo)的分類置信度，防止高IOU 分?jǐn)?shù)低分類置信度的候選框被抑制。能夠有效解決待檢測(cè)目標(biāo)漏檢問(wèn)題，同時(shí)防止形似艦船目標(biāo)的物體被誤檢為目標(biāo)。因此提出語(yǔ)義增強(qiáng)模塊，首先，輸入的特征圖經(jīng)過(guò)非對(duì)稱卷積層，以不同維度提取多種特征；其次，利用Transformer Encoder 增強(qiáng)艦船和特征圖之間的上下文信息，提高模型對(duì)艦船目標(biāo)的感知能力；最后，自上而下將語(yǔ)義信息融合到底層特征圖，使得底層高分辨率特征圖包含高層特征的語(yǔ)義信息。語(yǔ)義增強(qiáng)結(jié)構(gòu)如圖5 所示。特征圖經(jīng)過(guò)多層卷積容易出現(xiàn)信息丟失的問(wèn)題，在該模塊中采用跳躍連接，將低層特征和主干網(wǎng)絡(luò)提取的｛C3，C4，C5｝層特征圖分別構(gòu)造到對(duì)應(yīng)子網(wǎng)絡(luò)。

圖5 語(yǔ)義增強(qiáng)結(jié)構(gòu)Fig.5 Semantic enhanced structure

1.3.1 非對(duì)稱卷積層

非對(duì)稱卷積層由conv（1×3）、conv（3×1）、conv（3×3）、conv（1×1）四個(gè)卷積組成，利用非對(duì)稱卷積層增強(qiáng)網(wǎng)絡(luò)的特征提取能力，1×1 卷積實(shí)現(xiàn)在通道維度進(jìn)行線性信息整合。同時(shí)，非對(duì)稱卷積的引入降低了運(yùn)算量，表現(xiàn)為將N×N的標(biāo)準(zhǔn)卷積核分為1×N和N×1 的兩層卷積，這樣運(yùn)算量由原來(lái)N2減小到2N，保證加深網(wǎng)絡(luò)深度和模型檢測(cè)精度。如圖6 所示，經(jīng)過(guò)不同卷積核生成的特征圖以通道維度連接，之后經(jīng)過(guò)1×1卷積調(diào)整通道數(shù)，作為下一階段的輸入。

圖6 非對(duì)稱卷積層結(jié)構(gòu)Fig.6 Asymmetric convolutional layer structure

1.3.2 Transformer Encoder

上下文信息就像人類的感知，其作用是捕捉目標(biāo)和特征圖之間的相互信息，獲得目標(biāo)與鄰域的差別，從而獲得理想的檢測(cè)效果。因此引入Transformer Encoder 模塊，將fmask∈?H×W×C的特征圖拉伸為帶有位置編碼的HW×C大小的一維序列。以圖片序列作為輸入，經(jīng)過(guò)多頭注意力機(jī)制、正則化模塊和前向傳播模塊，生成和艦船目標(biāo)高度依賴的特征圖。從圖7 可見(jiàn)，編碼模塊分為三步，首先，利用多頭注意力機(jī)制捕獲同一個(gè)圖片序列中目標(biāo)之間的語(yǔ)義特征，強(qiáng)化艦船目標(biāo)的位置信息；其次，采用跳躍連接實(shí)現(xiàn)重用淺層特征來(lái)約束深層網(wǎng)絡(luò)，利用正則化模塊防止模型過(guò)擬合；最后，針對(duì)上層輸入做前向傳播，輸出的特征圖重新構(gòu)造為原來(lái)尺度。

圖7 Transformer Encoder 結(jié)構(gòu)Fig.7 Structure of Transformer Encoder

該模塊的位置編碼通過(guò)三角線性變換獲得，位置編碼的表達(dá)式為

式中，PPositionalEncoding為位置編碼矩陣，i為特征圖序列位置，dmodel為特征序列長(zhǎng)度，psequence為特征序列位置。多頭注意力在獲得每個(gè)目標(biāo)之間相關(guān)性的同時(shí)，也使每個(gè)目標(biāo)包含其它目標(biāo)的向量信息，在網(wǎng)絡(luò)每一次迭代過(guò)程中不斷學(xué)習(xí)艦船目標(biāo)之間的位置信息，獲得目標(biāo)位置信息更加精準(zhǔn)。多頭注意力表達(dá)式為

式中，Mattention為注意力圖，dk為調(diào)節(jié)因子，WQ、WW、WV為權(quán)重參數(shù)，在模型迭代訓(xùn)練中不斷學(xué)習(xí)。

1.4 損失函數(shù)

SAR 圖像中艦船目標(biāo)稀疏，在特征圖中占比較小，目標(biāo)區(qū)域和背景區(qū)域數(shù)量差別較大。一張?zhí)卣鲌D中大部分候選區(qū)域?yàn)楸尘?，容易出現(xiàn)正樣本和負(fù)樣本分配不均衡的問(wèn)題。為了解決這個(gè)問(wèn)題，采用focal loss［16］優(yōu)化分類損失，定義為

式中，Lcls為分類損失，p(i，j)是在i，j處預(yù)測(cè)的類別，γ為減少易分類樣本的調(diào)節(jié)系數(shù)，α為平衡正樣本和負(fù)樣本的平衡因子。根據(jù)Faster R-CNN，設(shè)置γ=2，α=2.5。預(yù)測(cè)生成的候選框與真值框的殘差越大，模型檢測(cè)效果越差。為了獲得更加理想的候選框，選擇IOU_Loss 調(diào)整候選框，定義為

式中，Lreg為回歸損失，bi，j為預(yù)測(cè)候選框?yàn)檎嬷悼?，Inter（）為交集運(yùn)算，Union（）為并集運(yùn)算。因此，總損失為

2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)在Ubuntu 16.04 操作系統(tǒng)下，基于深度學(xué)習(xí)框架Tensorflow 進(jìn)行，并通過(guò)CUDA8.0 和cuDNN5.0加速模型訓(xùn)練速度。 計(jì)算機(jī)的CPU 為lntel（R）Core（TM）i7-7700@3.6GHz×8，GPU 為NVIDIA GTX1080Ti 顯存為11G。

2.1 數(shù)據(jù)集及預(yù)處理

將國(guó)內(nèi)首個(gè)公開(kāi)的數(shù)據(jù)集SSDD 作為實(shí)驗(yàn)的訓(xùn)練集和驗(yàn)證集。SSDD 數(shù)據(jù)集的數(shù)據(jù)主要由RadarSat-2、TerraSAR-X 和Sentinel-1 傳感器獲取，共有1 160 張圖片，包含2 456 艘艦船，平均每張圖片2.12 個(gè)艦船目標(biāo)。傳感器分辨率為1～15 m，艦船尺度多樣，包含近海岸、遠(yuǎn)海和相干斑噪聲多個(gè)場(chǎng)景。為了驗(yàn)證模型的泛化能力，利用SAR-Ship-Dataset 數(shù)據(jù)集進(jìn)行對(duì)比。SAR-Ship-Dataset 數(shù)據(jù)集共有43 819 張長(zhǎng)和寬均為256 像素的圖片，包含59 535 個(gè)艦船目標(biāo)，具有更多的小尺度艦船。傳感器分辨率分別為3 m、5 m、8 m、10 m和25 m，成像模式包括Strip-Map（UFS）、Fine Strip-Map 1（FSI）、Full Polarization 1（QPSI）、Full Polarization 2（QPSII）、Fine Strip-Map 2（FSII）、條帶模式和寬幅模式。除此之外，HRSID 也被廣泛應(yīng)用在艦船檢測(cè)領(lǐng)域，HRSID 共有5 604 張圖片，包含16 951 個(gè)艦船目標(biāo)，成像分辨率更高。為保證實(shí)驗(yàn)的公平性，實(shí)驗(yàn)數(shù)據(jù)均以7∶3 的比例劃分為訓(xùn)練集和驗(yàn)證集，常用數(shù)據(jù)集介紹見(jiàn)表1。

表1 數(shù)據(jù)集參數(shù)Table 1 Data set parameters

SSDD 數(shù)據(jù)集數(shù)據(jù)量較少，為了保證模型學(xué)習(xí)效果，提高模型泛化能力，對(duì)SSDD 數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)操作。經(jīng)過(guò)翻轉(zhuǎn)、改變亮度、添加高斯噪聲，最終訓(xùn)練集達(dá)到3 248 幅圖像。數(shù)據(jù)增強(qiáng)［19］為檢測(cè)模型提供了充足的訓(xùn)練樣本，提高了模型學(xué)習(xí)能力。SAR-Ship-Dataset 包含的圖像數(shù)量遠(yuǎn)遠(yuǎn)大于SSDD 數(shù)據(jù)集，可以在無(wú)需數(shù)據(jù)增強(qiáng)的條件下訓(xùn)練模型，因此實(shí)驗(yàn)中沒(méi)有對(duì)SAR-Ship-Dataset 數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)處理。

2.2 模型訓(xùn)練與評(píng)估

根據(jù)FCOS［15］模型參數(shù)的設(shè)計(jì)，本文模型訓(xùn)練batch_size 設(shè)置為1，采用MomentumOptimizer 優(yōu)化器，動(dòng)量因子設(shè)置為0.9，學(xué)習(xí)率設(shè)為0.000 5，每4 萬(wàn)次迭代學(xué)習(xí)率衰減為原來(lái)的1/10，權(quán)重衰減系數(shù)為0.000 04，在10 萬(wàn)次迭代時(shí)模型達(dá)到完全收斂。

為了更加客觀描述模型的性能，使用召回率（Recall）、精確率（Precision）和平均精度（Average Precision，AP）作為評(píng)價(jià)指標(biāo)。針對(duì)不同方法對(duì)比，使用精確率-召回率（Precision- Recall，P-R）曲線直觀表達(dá)模型效果，表達(dá)式為

式中，R為召回率，P為精確率，PA為平均精度，NTP為正確檢測(cè)到艦船的數(shù)量，NFN為未正確檢測(cè)到艦船的數(shù)量，NFP為誤檢為艦船目標(biāo)的數(shù)量。

2.3 不同主干網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果及分析

在特征提取階段，不同主干網(wǎng)絡(luò)提取特征的能力不同，Resnet50［20］有4 個(gè)殘差塊，conv2_x、conv3_x、conv4_x、conv5_x 的卷積層數(shù)分別為3、4、6、3。Resnet101［21］也包含四個(gè)殘差塊，每塊的卷積層數(shù)分別為3、4、23、3。兩種主干網(wǎng)絡(luò)均在ImageNet 數(shù)據(jù)集訓(xùn)練生成預(yù)訓(xùn)練模型參數(shù)，利用跳躍連接將原始特征圖重新構(gòu)造到新特征圖中，保證網(wǎng)絡(luò)在一定深度下不會(huì)出現(xiàn)過(guò)擬合現(xiàn)象。從表2 可以看出，Resnet101 網(wǎng)絡(luò)比Resnet50 網(wǎng)絡(luò)召回率高0.51%，精確率高0.98%，平均精度高0.2%，Resnet101 的檢測(cè)效果優(yōu)于Resnet50。

表2 不同骨干網(wǎng)絡(luò)的檢測(cè)結(jié)果Table 2 Detection performance of different backbone networks

不同主干網(wǎng)絡(luò)檢測(cè)效果如圖8 所示，（a）為真值圖，（b）為Resnet50 主干網(wǎng)絡(luò)檢測(cè)效果，（c）為Resnet101主干網(wǎng)絡(luò)檢測(cè)效果。Resnet101 具有更深的網(wǎng)絡(luò)結(jié)構(gòu)，能夠提取豐富的抽象特征，具有足夠的參數(shù)刻畫(huà)模型在空間上的分布。所以經(jīng)過(guò)每個(gè)殘差塊獲得的特征圖抽象特征越豐富，判別目標(biāo)類別的準(zhǔn)確率越高。使用Resnet101 的主干網(wǎng)絡(luò)，模型能夠減小艦船目標(biāo)漏檢、誤檢情況，達(dá)到更高的檢測(cè)精度。

圖8 不同主干網(wǎng)絡(luò)的檢測(cè)效果Fig.8 Different backbones network detection results

2.4 消融實(shí)驗(yàn)

SAR 圖像中小尺度艦船目標(biāo)在經(jīng)過(guò)多次卷積操作后容易丟失，同時(shí)受復(fù)雜背景信息影響，艦船目標(biāo)位置信息模糊，因此增強(qiáng)位置信息和語(yǔ)義信息十分重要。從表3 可見(jiàn)，特征圖經(jīng)過(guò)像素級(jí)消噪提高艦船目標(biāo)區(qū)域權(quán)重，與原始模型相比平均精度提升了7.21%。語(yǔ)義增強(qiáng)模塊提取更加豐富的語(yǔ)義信息，與原始模型相比平均精度提升了7.17%。在兩個(gè)模塊共同作用下，模型召回率達(dá)到97.58%，精確率達(dá)到96.11%，平均精度達(dá)到96.73%。

表3 不同模塊的檢測(cè)結(jié)果Table 3 Detection performance of different models

提出了像素級(jí)消噪模塊和語(yǔ)義增強(qiáng)模塊，其中語(yǔ)義增強(qiáng)模塊在增強(qiáng)特征圖語(yǔ)義信息的同時(shí)也體現(xiàn)了金字塔網(wǎng)絡(luò)的作用，在語(yǔ)義增強(qiáng)模塊中將3×3 的卷積拆分成3×1 和1×3 的卷積。卷積核為3×3 的卷積包含3×3×Ci×Co的參數(shù)量，卷積核為1×3 和3×1 的卷積參數(shù)量之和為1×3×Ci×Co+3×1×Ci×Co，在該模塊減少了33.3%的參數(shù)量。像素級(jí)消噪模塊需要生成不同尺度的注意力圖并在訓(xùn)練過(guò)程中利用掩碼損失函數(shù)優(yōu)化注意力圖，因此該模塊引入大量參數(shù)，本文方法在SSDD 數(shù)據(jù)集的性能分析見(jiàn)表4.

表4 模型性能分析Table 4 Model performance analysis

本文檢測(cè)模型的平均精度指標(biāo)具有一定的提升，原因有：1）像素級(jí)消噪模塊增強(qiáng)艦船目標(biāo)權(quán)重，抑制非艦船區(qū)域權(quán)重，使得艦船在復(fù)雜背景和相干斑噪聲的場(chǎng)景中位置信息更加豐富，減少了艦船目標(biāo)被漏檢的數(shù)量；2）語(yǔ)義增強(qiáng)模塊豐富了特征圖中的語(yǔ)義信息，能夠在分類分支被精準(zhǔn)識(shí)別，避免非艦船物體被識(shí)別為艦船目標(biāo)而導(dǎo)致模型虛警率增高；3）Transformer Ecoder 模塊能夠保證特征圖始終保持全局感受野，解決了因感受野不足導(dǎo)致大尺度艦船不能完整映射到原始圖像的問(wèn)題，使得候選框具有更好的回歸效果。因此，本文方法能夠有效解決模型中出現(xiàn)的漏檢、誤檢問(wèn)題。不同模塊檢測(cè)效果圖如圖9 所示，其中（a）為真值圖，（b）為原始模型檢測(cè)效果，（c）為經(jīng)過(guò)像素級(jí)消噪的效果，（d）為經(jīng)過(guò)語(yǔ)義增強(qiáng)的效果，（e）為像素級(jí)消噪和語(yǔ)義增強(qiáng)的效果。

圖9 不同模塊的檢測(cè)效果Fig.9 Different modules detection effect

2.5 不同方法實(shí)驗(yàn)結(jié)果及分析

為了對(duì)比本文模型的檢測(cè)效果，選擇Faster R-CNN［6］、Retinanet［22］、FPN［23］、WANG［24］、R2FA-Det［25］等主流的基于深度學(xué)習(xí)的檢測(cè)模型。從表5 中可以得出，在SSDD 數(shù)據(jù)集下，本文模型檢測(cè)精度比Faster RCNN 有9.47%的提升，比Retinanet 有9.82%的提升，比FPN 有6.04%的提升。與其它模型相比，本文模型的召回率、精確率和平均精度都達(dá)到了理想效果。

表5 不同方法在SSDD 數(shù)據(jù)集上的檢測(cè)結(jié)果Table 5 Detection performance of different methods on SSDD

為了進(jìn)一步驗(yàn)證本文方法的魯棒性和泛化能力，將其與其它3 種方法在SAR-Ship-Dataset 數(shù)據(jù)集上的檢測(cè)效果進(jìn)行對(duì)比。從表6 可以看出，本文方法在召回率和平均精度兩個(gè)指標(biāo)上有更好的提升。

表6 不同方法在SAR-Ship-Dataset 上的檢測(cè)結(jié)果Table 6 Detection performance of different methods on SAR-Ship-Dataset

Faster R-CNN、Retinanet 為基于錨框的檢測(cè)模型，受固定錨框參數(shù)影響不能完全適合多尺度艦船目標(biāo)的SAR 圖像，降低了模型檢測(cè)效果。FPN 采用特征融合機(jī)制，提高了模型檢測(cè)效果，但是受限于高層特征語(yǔ)義信息的不足，模型檢測(cè)效果并不理想。提出的像素級(jí)去噪和語(yǔ)義增強(qiáng)的無(wú)錨框檢測(cè)模型，利用中心點(diǎn)到邊框的偏移量作為候選框參數(shù)，能自適應(yīng)生成合適的候選框。同時(shí)像素級(jí)消噪能夠抑制背景信息，突出艦船目標(biāo)信息，使得特征圖中艦船目標(biāo)位置信息被增強(qiáng)。語(yǔ)義增強(qiáng)模塊使得高層特征中語(yǔ)義信息更加豐富，經(jīng)過(guò)特征融合后的特征圖空間位置信息和語(yǔ)義信息更加平衡，在SAR 圖像艦船檢測(cè)中具有更好的檢測(cè)精度。為了更直觀展現(xiàn)本文模型網(wǎng)絡(luò)特征表達(dá)能力，采用不同模型的P-R 對(duì)比，如圖10 所示。圖11 為不同模型檢測(cè)效果，其中（a）為真值圖，（b）為Faster R-CNN 檢測(cè)效果，（c）為Retinanet 檢測(cè)效果，（d）為FPN 檢測(cè)效果，（e）為本文模型檢測(cè)效果。

圖10 不同對(duì)比方法的P-R 圖Fig.10 P-R diagram of different comparison methods

圖11 不同方法的檢測(cè)效果Fig.11 Different methods detection effect

2.6 不同場(chǎng)景下實(shí)驗(yàn)結(jié)果及分析

合成孔徑雷達(dá)成像原理獨(dú)特，在不同場(chǎng)景下圖像差別較大，因此為了驗(yàn)證在不同場(chǎng)景下模型檢測(cè)效果，將驗(yàn)證集分為近海岸場(chǎng)景和遠(yuǎn)海場(chǎng)景，同時(shí)以60 px×60 px 將驗(yàn)證集劃分為小尺度目標(biāo)和大尺度目標(biāo)。近海岸場(chǎng)景包含較多形似艦船目標(biāo)的物體，艦船目標(biāo)容易淹沒(méi)在復(fù)雜背景中。遠(yuǎn)海場(chǎng)景受相干斑噪聲影響，導(dǎo)致艦船目標(biāo)邊緣模糊。小尺度艦船在經(jīng)過(guò)多次卷積后容易丟失，嚴(yán)重影響模型檢測(cè)精度。從表7 可見(jiàn)，本文模型針對(duì)多種不同場(chǎng)景均表現(xiàn)出較好的檢測(cè)效果。

表7 不同場(chǎng)景的檢測(cè)結(jié)果Table 7 Detection performance of different scenes

本文模型能在多種場(chǎng)景下表現(xiàn)出較好的檢測(cè)效果，是因?yàn)橄袼丶?jí)消噪模塊能抑制相干斑噪聲和非目標(biāo)信息，使得艦船目標(biāo)在各種場(chǎng)景下都能突出位置信息。在遠(yuǎn)海場(chǎng)景中主要受相干斑噪聲影響，經(jīng)過(guò)像素級(jí)消噪模塊處理，圖像中更多的艦船目標(biāo)被檢測(cè)到，召回率提升明顯。語(yǔ)義增強(qiáng)模塊使得輸入檢測(cè)頭的特征圖語(yǔ)義信息更加豐富，同時(shí)Transformer Encoder 模塊增強(qiáng)目標(biāo)和特征圖之間的上下文信息，避免艦船目標(biāo)被漏檢。不同場(chǎng)景檢測(cè)效果圖如圖12 所示，其中（a）為近海岸場(chǎng)景檢測(cè)效果，（b）為遠(yuǎn)海場(chǎng)景檢測(cè)效果，（c）為大尺度艦船檢測(cè)效果，（d）為小尺度艦標(biāo)檢測(cè)效果。

圖12 不同場(chǎng)景的檢測(cè)效果Fig.12 Different scenes detection effect diagram

3 結(jié)論

本文提出了像素級(jí)去噪和語(yǔ)義增強(qiáng)的檢測(cè)模型，在公開(kāi)遙感數(shù)據(jù)集SSDD 上驗(yàn)證了該模型針對(duì)不同場(chǎng)景、不同尺度SAR 圖像艦船檢測(cè)的有效性。無(wú)錨框的檢測(cè)器節(jié)省更多超參數(shù)，避免了人工設(shè)計(jì)候選框不精確的情況，與基于錨框的檢測(cè)模型相比檢測(cè)效果更好。像素級(jí)消噪模塊使相干斑噪聲和近海岸物體信息影響的特征圖中艦船目標(biāo)位置突出，同時(shí)經(jīng)過(guò)掩碼損失函數(shù)優(yōu)化掩碼特征圖，使特征圖中目標(biāo)位置更加精確。語(yǔ)義增強(qiáng)通過(guò)多種不同卷積核提取多種特征，并以通道維度進(jìn)行特征融合，該模塊生成的特征圖語(yǔ)義信息更加豐富，最后采用自上而下將高層特征的語(yǔ)義信息融合到底層高分辨率特征圖，包含豐富語(yǔ)義信息的特征圖在分辨艦船目標(biāo)時(shí)具有重要作用。編碼模塊通過(guò)模型不斷迭代，學(xué)習(xí)艦船目標(biāo)的位置信息，增強(qiáng)了艦船目標(biāo)之間的依賴關(guān)系，在大尺度目標(biāo)檢測(cè)中表現(xiàn)優(yōu)秀，經(jīng)過(guò)位置信息增強(qiáng)，小尺度艦船檢測(cè)也達(dá)到理想檢測(cè)效果。本文提出的檢測(cè)模型在近海岸、遠(yuǎn)海和帶有海洋雜波的多種背景下獲得較高的檢測(cè)精度。但是由于候選框?yàn)樗娇?，候選框內(nèi)不僅有艦船目標(biāo)，同時(shí)還包含大量的背景信息，為了消除候選框中背景信息，接下來(lái)的工作將著重研究基于旋轉(zhuǎn)框的SAR 圖像艦船檢測(cè)。