基于频率自适应解耦与拓扑图对齐的跨模态光学-SAR船舶重识别方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Frequency-Adaptive Disentanglement and Topological Graph Alignment for Cross-Modal Optical-SAR Ship Re-Identification

　　

摘要：

跨模态光学与合成孔径雷达（SAR）用于船舶重识别，对于实现全天候、连续的海上监视至关重要。然而，要在这些不同的传感器之间建立可靠的身份关联，面临着两个紧密相关的难题：信号层面的严重乘性散斑噪声，以及SAR侧视成像导致的非线性几何畸变。现有的空间域对齐方法根本无法处理如此严重的辐射度与结构差异。为从根本上解决这一问题，我们提出了频域解耦与拓扑图对齐（FD-GA）方法，将跨模态匹配的范式从固定的空间像素转变为更为强大的频率-拓扑空间。具体而言，我们设计了频域自适应增强模块（FAAM），通过跨模态幅度混合来抑制各模态特有的散射干扰，同时严格保留结构的相位谱。为消除身份语义与模态风格之间的持续纠缠，模态解耦特征提取器（MDFE）利用序列级正交性约束来确保特征的纯粹性。最后，为避免绝对空间匹配带来的灾难性失败，拓扑图对齐模块（TGAM）将船舶的局部组件动态建模为非欧几里得图，从而在严重的视角变形情况下仍能捕捉到刚性结构的不变拓扑连接性。在大规模HOSS-ReID基准测试上的大量实验表明，FD-GA的性能显著优于现有最先进方法，为在无约束环境下的跨模态海上目标跟踪提供了可靠且强大的基础。我们的源代码可在https://github.com/drickzsy/FD-GA获取。