基于SDGSAT-1热红外影像的多层次特征注意力网络在微小舰船检测中的应用研究

为解决复杂背景下红外微小舰船检测难题，中国科学院团队利用SDGSAT-1热红外光谱仪（TIS）构建三通道红外小目标数据集SDG-IRSTD，提出HFA-Net模型。该模型通过多级细节增强模块（MLDEM）、大核注意力机制（MLLKAM）及特征融合模块（MLFFM），实现IoU和检测概率Pd 分别提升2.35%和3.97%，误报率Fa 降低3.29×10?6 ，为海洋安全管理提供新范式。

　　

浩瀚海洋中，数以万计的船舶日夜穿行，如何从太空精准捕捉这些“沧海一粟”？传统可见光遥感易受天气干扰，合成孔径雷达（SAR）又面临海浪杂波困扰。热红外波段凭借温度差异成像的优势，成为破解微小舰船检测难题的新钥匙。然而，现有红外小目标检测（IRSTD）数据集多局限于单波段，且深度学习模型存在长程依赖建模不足、多尺度特征利用不充分等瓶颈。

针对这一挑战，中国科学院研究团队依托全球首颗可持续发展科学卫星SDGSAT-1的热红外光谱仪（TIS），开展了一项突破性研究。该卫星搭载的三波段热红外传感器（8.0-10.5μm、10.3-11.3μm、11.5-12.5μm）可同步获取舰船热辐射特征，为研究提供了独特的数据支撑。团队创新性构建了首个三通道像素级标注数据集SDG-IRSTD，包含329幅图像和3492个目标，填补了多波段红外舰船检测数据空白。

关键技术方面，研究采用多层次特征注意力网络（HFA-Net），通过三大核心模块实现技术突破：多级细节增强模块（MLDEM）采用深度可分离卷积保留高频细节，解决下采样信息丢失问题；多级大核注意力模块（MLLKAM）引入7×7大核卷积与空洞卷积组合，在降低计算量同时建立跨尺度长程关联；多级特征融合模块（MLFFM）通过自适应权重分配实现特征交互。此外，目标定位模块（TLM）创新性结合热红外波段差异，显著提升小目标信噪比。

研究结果

1. SDG-IRSTD数据集优势
   三波段数据中，TIS-2（10.3-11.3μm）对舰船热源最敏感，TIS-3（11.5-12.5μm）背景抑制效果最佳。多波段协同使目标对比度较单波段提升47.6%，为模型训练提供丰富热力学特征。

2. 模型性能对比
   在相同测试集上，HFA-Net以92.14%的IoU显著超越TransUNet（89.79%）和DNA-Net（88.32%）。特别在复杂海况下，其误检率较次优模型降低1个数量级，验证了多尺度注意力机制的有效性。

3. 模块消融实验
   移除MLLKAM会导致长距离舰船编队检测失败，证明大核注意力对空间关联建模的关键作用；MLFFM的缺失使小目标（<10像素）召回率下降12.7%，凸显多尺度融合的必要性。

结论与意义
该研究首次将SDGSAT-1多波段热红外数据应用于舰船检测领域，提出的HFA-Net通过层次化特征挖掘与注意力机制协同，实现了“看得见”到“辨得清”的技术跨越。相比传统方法，其检测概率P_d
提升3.97%，单幅图像处理耗时仅0.38秒，兼具精度与效率优势。这项成果不仅为《联合国海洋可持续发展目标》提供技术支撑，更开创了多模态遥感数据融合的新范式。未来，结合星载AI边缘计算技术，该模型有望实现全球船舶实时动态监测，为打击非法捕捞、优化航线规划等应用提供科学决策依据。