文献类型：学位论文

作　　者：王森

导　　师：任泽民 袁宇鹏

授予单位：重庆科技学院

学科专业：安全工程

授予学位：硕士

学位年度：2024

语　　种：中文

摘　　要：随着科学技术的不断进步，遥感图像的目标检测在许多领域得到了广泛的应用，如军事侦察、环境监测和城市规划等。小目标检测是目标检测中的一项分支。小目标在整体图像中的像素占比较少，能够提供给模型的特征信息不够多。而遥感图像相对于一般图像具有信息密度高、分辨率高和目标多样性等特点。所以经典的目标检测算法对于遥感图像的小目标检测存在一定的问题。超分辨率重建算法能够在一定程度上补足遥感图像的目标细节，增加图像有效信息，辅助检测模型提高精度。因此本文设计了一种基于超分辨重建的遥感图像小目标检测算法，具体研究内容如下：　　（1）针对遥感图像中目标尺度相差大且数量多的特点，本文设计了基于并行窗口注意力架构的超分辨率重建网络。该架构是由两个并行的不同尺度的窗口注意力结构组成。不同尺度的窗口注意力可以聚焦输入图像的不同部分，帮助网络提取不同大小目标的语义信息，从而增强网络对不同尺度图像信息的处理能力。该网络在发挥注意力机制优势的同时，减少了单一窗口的局限性。同时，针对遥感图像的超分重建参数多、训练推理时间长和难拟合的问题，本文在并行窗口注意力架构的基础上引入了Values权重信息融合机制 VWF（View weight fusion）。该模块通过传递大尺度窗口注意力的特征信息来继续增强网络理解图片的能力。整合两个尺度的信息能充分发挥并行架构的优势，在网络重点关注特定尺度信息的同时，补足图片的背景特征语义，提升特征图的利用效率，最终降低网络宽度和层数，适配了遥感图像的应用场景。最后形成针对遥感图像的超分辨率重建算法（MAFSR）。该算法在减少计算量的同时提高重建效果。在遥感图像数据集UCAS_AOD上进行超分重建对比试验，MA

关 键 词：遥感图像 小目标检测 超分辨率重建 窗口注意力  网络融合

分 类 号：TP751]