基于注意力和自适应特征融合的SAR图像飞机目标检测

针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像中飞机目标尺度多样性及背景强散射干扰的问题,提出了一种基于坐标注意力和自适应特征融合的YOLOv4 SAR图像飞机目标检测算法。该方法首先在主干网络引入坐标注意力机制,以增强对于飞机散射点组合结构的聚焦能力以及抗背景干扰能力。其次,在特征增强网络中引入自适应特征融合机制,提高了对不同大小飞机的特征提取能力,同时改善了YOLOv4算法召回率和精确率不平衡的问题。最后,通过改进的K-Means聚类针对飞机目标调整先验框的尺寸,提高了模型的定位精度。实验结果表明,改进算法召回率达到91.01%,精确率达到90.09%,AP_0.5达到92.34%,分别较原YOLOv4算法提高2.49%,6.56%和3.62%。     

See-Earth:高频时序多维地球环境监测SAR星座

我国星载合成孔径雷达(SAR)面临着卫星通用性、应用维度与深度以及广域观测效能等局限性,缺少面向全球并实现长期、稳定、高性能环境动态监测的卫星系统。随着国际环境日趋复杂,我国亟需发展面向全球动态环境监测的SAR卫星系统,实现大范围、高重访、长期、稳定、高精度的对地观测。该文提出一个高频时序多维地球环境监测SAR星座(简称See-Earth)计划,从系统构想、技术体制、性能分析、应用潜力以及新体制扩展几方面来进行探讨。