SAFPN-CARA：复杂海洋场景下SAR舰船检测的角向性能优化

《Remote Sensing Applications: Society and Environment》：SAFPN-CARA: Angle-wise performance optimization for SAR ship detection in complex maritime scenarios

　　

# 摘要

合成孔径雷达（SAR）船舶检测对于海上监控、搜索与救援以及应急响应至关重要。然而，复杂的近海环境和密集分布的多朝向船只容易引发特征污染和高虚警率，严重限制了检测精度。为应对这些挑战，本研究提出了一种新颖的旋转船舶检测框架——SAFPN-CARA。设计了散射感知特征金字塔网络（SAFPN），通过重参数化的双向跨层传播来抑制多尺度特征传递过程中的级联斑噪声放大。在P4层嵌入的CBAM模块进一步实现了通道—空间双域噪声抑制，并缓解了跨尺度特征退化。此外，提出了集群感知关系聚合检测头（CARA-Head），以减少海杂波和码头干扰引起的虚警，同时缓解重叠倾斜船只的边界粘附和漏检问题。CARA-Head配备了大核上下文聚合、几何偏置交叉实例注意力和方向感知角度预测（DAAP）子分支，有效编码了拓扑约束并实现了精确的角度解耦。此外，采用尺度感知焦点损失和粘附排斥损失来平衡小目标的梯度分布并消除框粘附。在RSDD-SAR和HRSID数据集上的实验结果表明，所提方法在两个数据集上的AP分别比基线方法高出1.59和2.10个百分点，在精确率上分别高出8.77和2.78个百分点。与七种先进旋转检测器相比，SAFPN-CARA达到了最先进的性能，在RSDD-SAR上的AP达到90.25%，比现有最佳方法提高了2.11个百分点，并在所有船舶朝向上实现了稳定且低虚警的检测。

# 引言

合成孔径雷达（SAR）船舶检测是海上监控和交通管理的核心技术。在港口调度、海事执法和紧急救援行动等复杂场景中，它具有不可替代的战略价值（Qiao等人，2025；Lang等人，2025；Guan等人，2025；Chen等人，2025；De Sousa等人，2024）。面对高分辨率数据的不断涌现和海上态势感知需求的增长（Slesinski和Wierzbicki，2025；J. Li等人，2022；K. Zhang等人，2026），构建一个融合角度精度优化与可信低虚警检测能力的检测框架，已成为提升海上监控作战效能的关键途径。SAFPN-CARA网络通过散射感知特征增强和集群感知关系注意力，实现了从特征表达到预测决策的角度敏感端到端优化，为可信全天候监控作业奠定了理论和方法基础。

现有的SAR船舶检测方法在开放水域等常规场景中取得了显著进展（Zhang等人，2025）；然而，当面对密集港口区域监控、海上编队监测和异常船舶行为监测等复杂海事任务时（Zhou等人，2025），旋转目标检测中角度精度退化的问题日益突出（Gu等人，2025）。现有研究通常将船舶朝向视为水平边界框的辅助参数，检测头对多方向性采用了过于粗糙的建模粒度（Sun等人，2025），导致不同角度区间的检测误差显著异质。具体而言，水平和近水平朝向船只的雷达后向散射能量沿方位角方向扩散，其特征空间中回波形态与海杂波和码头结构等线性散射体高度混叠，在该角度区间触发了集中虚警（Hu等人，2025；Feng等人，2025）；在密集锚泊场景中，多朝向船舶目标的包围矩形因旋转角度差异而形成不规则重叠，粗糙的角度估计直接导致集中边界粘附和漏检（Gao等人，2023；Yang等人，2019）。这种退化并非个别方法的偶发缺陷，而是现有旋转检测框架的系统性问题：我们对RSDD-SAR和HRSID上七种主流旋转目标检测器进行了角度统计分析，发现不同角度区间的精确率差距普遍达到2至16个百分点（见第4.4节），且薄弱区间始终集中在水平和陡峭角度的两端——前者因回波形态与线性杂波混叠而遭受集中虚警，后者因密集锚泊重叠而遭受边界粘附。上述现象的本质在于，现有方法缺乏对船舶朝向物理成像特性的显式建模（Yue等人，2023）；特征提取和检测监督在尺度上均采用一刀切的方法，未能根据不同角度区间样本难度的变化实现差异化优化（Chen等人，2024），这导致角度精度退化不平衡，严重制约了航迹关联、身份识别和异常预警的可靠性。因此，建立面向复杂海事场景的角度精度优化框架，并从特征表达到检测决策实施角度敏感的全链路设计，已成为提升SAR船舶检测作战效能和辅助决策可信度的迫切需求。图1展示了SAR船舶检测中的典型多朝向分布场景：(a) 近海密集锚泊场景，其中交错排列的船舶朝向和叠加的散射回波导致边界粘附和集中虚警；(b) 开阔水域稀疏场景，其中目标尺度变化显著，在斑噪声干扰下小目标特征容易被淹没在背景杂波中。

本文提出SAFPN-CARA网络，以应对角度精度优化和低虚警检测的挑战。该网络通过散射感知特征增强和集群感知关系注意力实现上述目标。具体而言，为防止多尺度特征传播时的斑噪声放大，我们设计了散射感知特征金字塔网络（SAFPN）。该网络在双向跨层传播路径中引入了重参数化残差块以稳定横向信号流，并在P4层嵌入了卷积块注意力模块（CBAM）以在通道和空间域中抑制斑噪声。在此基础上，我们提出了集群感知关系聚合检测头（CARA-Head），采用大核深度可分离上下文聚合来扩展朝向感知的感受野，并引入几何偏置驱动的交叉实例关系注意力来编码多朝向目标之间的空间拓扑约束。此外，嵌入了方向感知角度预测（DAAP）子分支，该子分支通过由粗到细的估计和可微特征旋转对齐实现角度解耦和边界连续性。此外，我们设计了尺度感知焦点损失和粘附排斥损失，分别用于解决因朝向压缩导致的小截面样本梯度不平衡问题以及密集锚泊场景中预测框的边界粘附问题。这种协同设计使网络能够在近海密集交错与开阔水域弱回波共存的复杂场景中，以低虚警精确分离和定位任意朝向的船只。本工作的主要贡献总结如下：

1. 我们提出了SAFPN-CARA框架，该框架针对复杂海事场景中的多朝向船舶优化角度精度并进行低虚警检测。该框架采用了散射感知特征增强和集群感知关系注意力。

2. 我们设计了散射感知特征金字塔网络（SAFPN），通过重参数化双向跨层传播以及在P4层嵌入的卷积块注意力模块（CBAM）实现的双域斑噪声抑制，提供高质量的多尺度抗噪特征。

3. 我们提出了集群感知关系聚合检测头（CARA-Head），嵌入了方向感知角度预测（DAAP）子分支。该设计通过由粗到细的估计和可微特征旋转对齐实现了角度解耦和边界连续性。

4. 我们设计了几何偏置驱动的交叉实例关系注意力、尺度感知焦点损失和粘附排斥损失。这些方法从空间拓扑建模和监督优化两个维度抑制了多朝向密集场景中的虚警和边界粘附。

本文其余部分组织如下：第2节对该主题的相关工作进行了深入分析。第3节阐述了所提方法。第4节呈现了实验结果。第5节总结了全文。

# 章节片段

## SAR船舶检测中的多尺度特征融合与增强

SAR船舶检测的核心挑战之一是目标尺度的显著异质性。受SAR传感器分辨率、成像距离和实际船舶尺寸的共同影响，同一场景中船舶目标的像素尺度跨度可达一至两个数量级。小目标可能仅占用数十个像素，而大目标可达数百个像素。这种极端的尺度差异使得单感受野特征提取……

## 所提方法概述

本文提出SAFPN-CARA框架，以解决复杂海事场景中多朝向密集排列船舶引起的特征污染和高虚警问题。该框架包含两个组成部分：散射感知特征金字塔网络（SAFPN）和集群感知关系聚合检测头（CARA-Head），从特征表达和检测监督两个角度协同解决角度精度退化问题。SAFPN……

## 数据

为验证SAFPN-CARA模型在复杂海事场景中的检测性能和角度优化精度，我们在两个权威基准数据集上进行了实验：HRSID（Wei等人，2020）和RSDD-SAR（Xu等人，2022）。HRSID数据集融合了Sentinel-1和TerraSAR-X卫星的多尺度图像，提供了极具挑战性的复杂近海背景和可变目标尺度。它有效评估了模型抑制虚警的能力……

## 结论

本文构建了SAFPN-CARA检测框架，通过散射感知特征增强和集群感知关系聚合的协同设计，实现了复杂海事场景中多朝向船舶目标的角度精度优化。SAFPN通过重参数化双向跨层传播和P4层的双域斑噪声抑制，有效缓解了多尺度特征传播过程中的级联斑噪声放大……

# CRediT作者贡献声明

Jin Sichen：原始草稿撰写、可视化、软件、资源、方法论、调查、形式化分析、数据整理、概念化。
Yang Wenzhi：审稿与编辑、原始草稿撰写、验证。
Yang Xingxing：验证。
Zhou Xinxin：验证。
Liu Hanyu：原始草稿撰写。
Chen Ziang：审稿与编辑。
Guo Quanying：审稿与编辑。
Wu Huafeng：审稿与编辑、监督、资源、资助获取。

# 利益冲突声明

作者声明，没有已知的竞争经济利益或个人关系可能影响本文所述工作。

# 致谢

所有作者均已阅读并批准本声明。

Jin Sichen | Yang Wenzhi | Yang Xingxing | Zhou Xinxin | Liu Hanyu | Chen Ziang | Guo Quanying | Wu Huafeng

中国上海海事大学