基于结构层次适应和可靠相邻对齐的跨分辨率 SAR 目标检测
计算机视觉与模式识别
2025-09-22 v2
摘要
近年来，SAR 分辨率的持续提升显著增益了城市监测和目标检测等应用。然而，分辨率的提升导致散射特征之间的差异增加，挑战了目标检测模型的泛化能力。虽然域适应技术是潜在解决方案，但由于分辨率差异导致的必然差异常常引发盲目特征适应和不可靠的语义传播，最终降低域适应性能。为此，本文提出一种新型 SAR 目标检测方法（称为 CR-Net），将结构先验和证据学习理论融入检测模型，实现跨分辨率检测的可靠域适应。具体而言，CR-Net 集成了结构引导的层次特征适应（SHFA）和可靠结构相邻对齐（RSAA）。SHFA 模块用于在目标之间建立结构关联，实现结构感知特征适应，从而增强特征适应过程的可解释性。随后，提出 RSAA 模块，通过利用安全相邻集将源域中有价值的判别性知识可靠地传递到目标域，从而增强目标域中检测模型的判别性。在不同分辨率数据集的实验结果表明，所提 CR-Net 在保持域内结构并提高判别性方面，显著提升了跨分辨率适应性能，实现了跨分辨率 SAR 目标检测的状态-of-the-art（SOTA）性能。
引用
@article{arxiv.2507.08290,
title = {Cross-Resolution SAR Target Detection Using Structural Hierarchy Adaptation and Reliable Adjacency Alignment},
author = {Jiang Qin and Bin Zou and Haolin Li and Lamei Zhang},
journal= {arXiv preprint arXiv:2507.08290},
year = {2025}
}
备注
Accepted IEEE TGRS