面向 SAR 图像中船舶目标的分类感知超分辨率框架
计算机视觉与模式识别
2026-05-28 v2 人工智能
图像与视频处理
摘要
高分辨率图像在提高视觉识别任务（如分类、检测和分割）性能方面发挥着关键作用。在许多领域，包括遥感和监视，低分辨率图像会限制自动化分析的准确性。为此，超分辨率(Super-Resolution, SR)技术被广泛采用以尝试从低分辨率输入重建高分辨率图像。相关传统方法仅关注基于像素级指标的图像质量提升，未充分探讨超分辨率图像保真度与下游分类性能之间的关系。这引出一个关键问题：将分类目标直接集成到超分辨率过程中是否能进一步提高分类准确率？本文通过部署一种特殊化的算法策略来回答此问题，探讨了超分辨率与分类之间的关系。我们提出一种新方法，通过优化同时考虑图像质量和分类性能的损失函数来提升合成孔径雷达图像的分辨率。该方法在科学确定的图像质量指标测量下提高了图像质量，同时也增强了分类准确率。
引用
@article{arxiv.2508.06407,
title = {A Classification-Aware Super-Resolution Framework for Ship Targets in SAR Imagery},
author = {Ch Muhammad Awais and Marco Reggiannini and Davide Moroni and Oktay Karakus},
journal= {arXiv preprint arXiv:2508.06407},
year = {2026}
}