基于原型锚定与前景感知流形约束的无源跨传感器SAR目标检测方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Source-Free Adaptation for Cross-Sensor SAR Target Detection Via Prototype Anchoring and Foreground-Aware Manifold Constraint

　　

摘要：

跨传感器合成孔径雷达目标检测面临着显著的领域偏移挑战。在实际应用中，由于隐私、存储和传输等方面的限制，源数据往往无法获取，因此无源领域自适应方法成为理想的解决方案。然而，将传统的无源领域自适应方法直接应用于SAR图像会导致性能严重下降。具体而言，SAR目标强烈的杂波干扰以及离散的散射特性会导致语义空间偏移，而严重的几何变形则会破坏连续的视觉轮廓，进而导致边界框偏移和定位精度下降。为克服这些挑战，我们提出了一种新的无源领域自适应框架，通过深入挖掘SAR目标在深度特征空间中的固有物理不变量来实现跨传感器SAR目标检测。首先，我们设计了一个语义原型锚定校准模块，用于校准稳定的语义空间中心。该模块利用固有的源模型原型作为语义锚点，能够在强杂波干扰下有效引导目标领域特征正确聚类，从而校准跨领域的语义偏移。其次，我们引入了前景感知流形约束模块，用于调节回归散射分布。该模块利用空间中心性先验，并将固有的前景结构映射到流形空间中，从而同时约束空间中心点和通道间的几何关系。这有助于精确对齐特征分布，有效缓解由几何变形导致的定位精度下降。在跨传感器任务上的实验表明，我们的框架在无需任何源数据的情况下，mAP和F1分数可提升约10%–25%，显著提升了模型在未知场景下的泛化能力。