海洋不仅是商贸的重要渠道,也是军事的战略要地。在海域争端问题频繁出现的国际形势下,提升海域监控能力尤其是舰船目标检测能力极具重要性和紧迫性。基于某海洋国防科技创新项目,本文对短波红外相机在真实海洋场景中采集到的短波红外图像进行具体分析,发现数据主要存在以下几个特点:1)因季节性气候变化及其他环境因素干扰,海上大雾天气频繁发生,采集到的短波红外图像多为有雾模糊图像;2)远距离进行海面监控时,拍摄到的图像主要包括天空、海面、海天分界线三个部分,舰船目标首先出现在海天线附近;3)因拍摄距离较远,舰船目标在整体图像中占比较小,属于小目标,细节信息不明显。根据上述图像特点,为了在复杂海天背景下实现准确的小目标检测,首先应对图像进行去雾处理,得到较为清晰的图像,避免海雾遮挡对目标检测带来的负面影响。然后对图像中的海天线位置进行检测,在海天线的引导下提取目标区域,消除一部分海天背景噪声对目标检测的干扰。最后在目标区域内对小目标特征信息进行增强,从而获得准确的舰船小目标检测结果。虽然现有方法在各自的应用领域已卓有成效,但是仍存在某些不足。现有去雾模型在对有雾图像进行特征提取时,往往忽略对图像不同尺度特征信息的提取和聚合,对图像有雾像素区域和重要特征通道关注不足,导致去雾效果不明显。现有海天线检测方法往往只关注海天线的直线特性或分界特性中的一方面,在图像背景简单的情况下可以达到较为准确的检测结果,但是易受背景噪声的干扰,鲁棒性不强。现有目标检测模型由于对小目标特征提取不充分,浅层卷积层提取到的特征图缺乏语义信息,容易导致欠佳的检测效果。本文重点研究基于去雾处理和海天线引导的舰船小目标检测方法,主要进行图像去雾、海天线检测、小目标检测三个方面的研究。针对以上问题和挑战,本文的主要工作及贡献概括如下:1.本文提出了一种基于多尺度信息选择注意机制的去雾模型——MISA-Dehaze,解决了图像去雾中重点信息关注度不足问题。MISA-Dehaze首先以图像高、低频信息作为附加先验信息,利用并行的多尺度卷积模块,采用层间信息交叉融合的方式提取到图像丰富的多尺度信息,然后结合通道注意力机制和空间注意力机制设计了 MSAB注意力群组,对图像不同通道特征赋予不同的权重,同时有效关注到图像有用信息的空间位置,最终实现视觉效果更好的去雾。2.本文提出了一种基于特征融合的海天线检测方法——FFD,解决了复杂海天背景下的海天线检测问题。FFD首先基于海杂波的起伏特性,结合图像的局部熵特征和局部方差特征进行去海杂波处理,避免海杂波产生的伪海天线对检测造成干扰。然后结合海天线的直线特性和分界特性,以海天线的条带均值梯度特征和直线拟合系数特征融合的方式进行海天线检测,不仅实现了海天线的准确定位,还使海天线检测可以应对复杂环境干扰,具有较强的鲁棒性。3.本文提出了一种基于融合信息增强的小目标检测模型——FIE-SSD,解决了舰船小目标检测中浅层语义信息匮乏问题。FIE-SSD主要基于SSD网络架构,不仅利用空间注意模块和特征增强模块来增强浅层空间位置信息和多尺度特征信息,还引入反卷积特征融合操作和通道注意力模块对深层语义信息进行增强,并沿自深向浅的递归路径传递到浅层特征图。将增强的浅层表征信息与接收的深层语义信息相融合,得到具有强语义信息与强位置信息的融合信息,增加网络对小目标的敏感度,提高了小目标检测能力。4.本文分别在现有公开数据集和真实采集的数据集上进行了一系列对比实验,验证了所提方法的有效性和先进性。真实采集的数据集由短波红外相机在真实海天场景中采集到的图像构成,命名为HazySea-sky数据集。本文通过定性分析和定量分析相结合的方式说明所提方法优于其他基线方法,并验证了去雾处理和海天线引导有利于舰船小目标检测。同时,本文设置了一系列消融实验说明各个方法中不同模块对结果的影响,验证了各个组件的有效性。