跨浑浊度渐进域自适应与目标级响应校准的水下目标检测框架

《Remote Sensing》：Unsupervised Progressive Domain Adaptation for Underwater Hyperspectral Target Detection Across Increasing Turbidity Levels

　　探测水下目标在悬浮颗粒改变光谱特征并降低目标-背景对比度时会变得困难。在清水中训练的探测器随着浑浊度增加，可能会丧失判别能力并产生大量背景响应。本文提出了一种目标特定框架，将渐进域自适应与目标级响应校准相结合。非线性解混自编码器首先从标记的清水观测中学习目标表示。跨浑浊度渐进域自适应（CTP-DA）随后通过有序的无标记域迁移模型状态、目标原型和预测记忆。风险门控目标级背景抑制（RG-OBS）随后限制背景激活，同时保护支持的目标区域。在受控砖石基准的L1–L5目标域中，该框架实现了0.9282的平均精度。这比此处评估的最强外部比较器高出7.10个百分点。消融实验将排名提升归因于渐进自适应，而背景响应的降低归因于随后的空间校准。这些发现共同支持将中间无标记域与空间目标证据相结合，以在受控浑浊度变化下维持水下检测。