基于退化感知骨干网络、空间-频率背景抑制与自适应门控尺度融合的水下目标检测：DBS-Net框架

《Ocean Engineering》：Underwater object detection via degradation-aware backbone, spatial-frequency background suppression, and adaptive-gated scale fusion: The DBS-Net Framework

　　

•退化感知骨干网络在跨退化维度保持可靠特征。
•空间 - 频率抑制消除双域背景干扰。
•自适应门控特征金字塔跨尺度保留判别性特征。
•DBS-Net 在 URPC2020 (84.7% mAP50, ＋2.1%)、URPC2021 (＋1.0%) 和 DUO (＋1.3%) 上排名第一。
•在 NVIDIA Jetson Orin Nano 上以 13.1 FPS 验证，精度开销可忽略不计。

引言
水下目标检测支持多种海洋科学与工程应用。在渔业资源管理中，对物种组成、丰度和行为模式的准确检测为种群评估和配额设定提供了观测基础。在保护领域，同样的能力支撑着海洋保护区的监测。在水产养殖中，自动化检测能够在无需潜水员干预的情况下实现连续生物量估算。对于 AUV（自主水下航行器）和 ROV（遥控潜水器），水下检测支持海床检查、管道完整性监测以及海洋工程中的基础设施评估。

然而，由于物理特性，水下目标检测面临三个主要问题，如图 1 所示。
(1) 一是空间非均匀退化，如图 1(a) 所示。水下图像遭受渐进的蓝绿色偏、前向散射导致的纹理和边缘细节丢失，以及随成像距离恶化而变化的空间对比度降低。这些过程在不同表示粒度上独立且同时作用 (Anwar et al., 2018)。具有统一固定核操作的骨干网络无法将它们分离。因此，退化引起的响应在整个特征层级中与目标语义纠缠在一起。
(2) 另一是复杂背景干扰，如图 1(b) 所示。在空间域中，沉积物和珊瑚礁表面等均匀区域产生难以抑制的自相似 token 激活。在频率域中，散射产生在空间上紧密模拟目标边界信号的背景纹理，但在频谱上有所不同 (Cai and Zhu, 2026)。这种频谱间隙提供了一种仅空间操作无法触及的抑制手柄。有效的分离需要在两个域中处理。
(3) 最后的问题是明显的尺度变化，如图 1(c) 所示。拍摄距离、观看角度和物种形态迫使目标处于截然不同的像素区域 (Xu et al., 2024)。金字塔架构中的固定感受野无法同时服务于两个极端的目标。标准重采样在尺度传输过程中进一步用背景噪声稀释判别性特征。这三个问题在物理上是耦合的，必须一起解决。

最近，一些方法通过图像增强和特征处理来解决水下退化问题。Li et al. (2023) 提出了一种透射率图优化框架，用于自适应颜色校正和对比度改进。Li et al. (2021) 引入了 Ucolor，一种介质透射率引导的多色空间网络，用于水下图像恢复。在特征层面，Wei et al. (2026) 设计了一种频域双路径机制，利用选择性小波聚合来恢复退化的高频边缘。Dong et al. (2025) 开发了一种超轻量检测器，使用频域变换消除增强预处理。这些方法都有一个共同的局限性：单一调制路径无法在不同粒度上隔离物理上不同的退化机制。

几项工作针对目标 - 背景干扰。Yang et al. (2025) 提出了带有前景 - 背景对比注意力模块的 SEANet，以放大前景 - 背景对比度。Xiao et al. (2024) 开发了 Aqua-DETR，基于注意力的区分增强用于模糊物体识别。然而，这些方法在空间域中单向聚合特征。它们没有将 token 表示分解为目标和背景组件 (Cao et al., 2024)。频域已被应用于水下退化恢复，但在背景干扰抑制方面仍未得到充分探索。在更广泛的频谱特征学习文献中，Rao et al. (2021) 证明可学习的全局傅里叶滤波器可以替代空间 token 混合用于长程依赖建模；Zhong et al. (2022) 表明目标和背景表现出比空间可分性更大的频谱可分性，应用分块 DCT 作为迷彩物体检测的辅助分支；Fang et al. (2025) 通过可学习小波将特征分解为频带，以感知用于目标定位的高频边缘线索；以及 Chen et al. (2025) 在傅里叶域学习频率多样化卷积权重以改善密集预测。然而，这些方法都没有针对由水下散射引起的结构化背景干扰的抑制：现有的频谱方法要么在整个特征图上全局应用频率操作，要么使用频域进行一般特征增强，而 SFBS 专门解决了水下散射引入的背景纹理和目标边界信号之间的局部块级频谱重叠。

尺度变化也受到了越来越多的关注。Yuan et al. (2023) 提出了一种带有上下文集成模块的多尺度交互网络，用于跨尺度特征增强。Song et al. (2023) 开发了 Boosting R-CNN，它根据 RPN 误差重新加权样本，以处理边界模糊的模糊物体。尽管有了这些努力，固定感受野在局部精度和全局上下文之间留下了持续的差距。常规重采样在尺度传输过程中继续稀释目标特定信息。

大多数现有工作孤立地解决退化、背景干扰和尺度变化问题。它们之间的相互作用在很大程度上未被解决，限制了检测的鲁棒性。GCC-Net (Dai et al., 2024)、Boosting R-CNN (Song et al., 2023) 和 Aqua-DETR (Xiao et al., 2024) 是这种局限性的代表。GCC-Net 通过门控跨域模块融合原始图像特征和增强图像特征，但将退化视为单一的未分化过程，并未应用频域操作，导致频谱不平衡、结构散射和空间变化对比度在整个特征层级中纠缠在一起。Boosting R-CNN 通过不确定性建模和训练层面的困难样本重加权处理模糊边界，但引入特征级机制来分离目标和背景表示，使其在推理时的空间和频谱相似性无法解决。Aqua-DETR 适应 RT-DETR 用于水下检测，具有多尺度特征交互和空间注意力，但使用与尺寸无关的重采样，在尺度传输过程中稀释判别信息，并且完全在空间域操作，未解决退化或频域背景抑制。这些差距激发了本研究的主要目标：开发一个统一框架，在单一端到端管道内共同解决所有三个挑战，同时保持边缘部署的效率。为此，我们提出了 DBS-Net，其最具技术原创性的贡献是 SFBS 内的 BDSM —— 一种通过基于符号的双向核调制分离目标和背景 token 表示的机制，这是所有先前水下检测器中都没有的——辅以用于独立退化路径建模的 DABackbone、用于通道门控尺度转换的 MAGFPN，以及在 NVIDIA Jetson Orin Nano 上以 13.1 FPS 的端到端验证。我们的贡献如下：
•我们提出了退化感知骨干网络 (DABackbone)，围绕退化感知选择聚合 (DASA) 构建。它为每个退化来源（频谱不平衡、结构散射和空间变化对比度）分配一个专用分支，并通过两阶段乘积聚合耦合它们的输出。只有跨所有维度可靠的特征才能进入更深层次。卷积门控线性单元 (CGLU) 提供每个退化感知单元 (DAUnit) 内的辅助局部纹理恢复。
•我们提出了空间 - 频率背景抑制 (SFBS)，围绕双向分解空间调制器 (BDSM) 构建。它通过基于符号的双向分解在核层面分离目标和背景 token 表示，具有线性复杂度。加权傅里叶频域调制器 (WFFM) 辅以分块可学习频谱滤波，衰减空间处理无法看到的背景干扰。DynamicTanh 和 Mona 提供阶段转换时的辅助激活约束和通道重校准。
•我们提出了多尺度自适应门控特征金字塔网络 (MAGFPN)。多尺度上下文模块 (MSCM) 通过 r∈{1,2,3} 的并行空洞卷积覆盖局部到全局感受野，无分辨率损失。自适应门控上采样 (AG Upsample) 和自适应门控下采样 (AG Downsample) 对尺度转换进行门控，仅保留判别性通道。
•我们通过将 DABackbone、SFBS 和 MAGFPN 集成到统一的检测管道中来构建 DBS-Net。在多个水下基准上的实验展示了最先进的性能和跨多种水下场景的强大泛化能力。

本文其余部分组织如下。第 2 节回顾了相关工作。第 3 节介绍了整体框架和模块细节。第 4 节报告了实验结果，包括消融研究、与最先进方法的比较以及统计显著性分析。第 5 节展示了可视化分析。第 6 节提供了动态环境可行性、失败案例和操作边界条件的讨论。第 7 节总结全文。

章节片段
目标检测
目标检测由深度学习大大推进。Faster R-CNN (Ren et al., 2015) 等两阶段方法将提案生成与分类解耦，在具有挑战性的基准上实现了强大的准确性。YOLO (Redmon et al., 2016)、SSD (Liu et al., 2016) 和 RetinaNet (Lin et al., 2017) 等单阶段方法将检测重构为直接回归问题，以牺牲部分准确性换取更快的推理速度。随后，基于 Transformer 的检测器引入了

DBS-Net
水下光学图像表现出三种不同的混淆挑战，每种都构成了检测性能的物理不同限制。波长选择性吸收和各向异性散射沿不同物理路径污染特征表示，导致退化引起的特征和目标语义融合在一起；由于每种都以不同方式污染特征，因此没有单一的常规卷积操作可以用来建模

实验数据集
我们在三个共享相同四个类别（海参、海胆、海星和扇贝）的公开水下基准上评估 DBS-Net。数据集统计信息可视化于图 8。URPC2020 包含 5543 张图片，按 7:1:2 划分 (3,880/554/1,109)。作为主要基准，所有消融、组件和比较实验都在此数据集上进行。URPC2021 包含 7600 张图片，按 7:1:2 划分 (5,320/760/1,520)，作为 URPC2020 的高级扩展，具有更大的实例数量和更多

可视化分析
为了定性了解 DBS-Net 的检测行为，我们提供了三种具有代表性的挑战场景下的检测结果和 Grad-CAM 激活图可视化：退化鲁棒性、背景抑制和尺度融合。在所有检测结果图中，绿色框表示真阳性（正确检测），蓝色框表示假阳性（错误检测），红色框表示假阴性（漏检）。选择 RT-DETR 作为

讨论
DBS-Net 在三个水下基准上表现出强大的检测性能，然而完整评估需要明确承认其局限性和操作边界条件。关于动态环境可行性，DBS-Net 的前馈、帧级架构独立处理每张图像，没有帧间循环，提供了对适度场景动态（如湍流和光照变化）的容忍度。DABackbone 的跨维度乘积

结论
在本文中，我们提出了通过退化感知骨干网络、空间 - 频率背景抑制和自适应门控尺度融合进行水下目标检测：DBS-Net 框架，以解决水下光学成像中的三个物理耦合核心挑战：空间非均匀退化、复杂背景干扰和极端尺度变化。退化感知骨干网络 DABackbone 明确建模波长选择性吸收、散射引起的结构退化

CRediT 作者贡献声明
江一钧：写作 – 审阅与编辑，写作 – 初稿，可视化，验证，软件，资源，项目管理，方法论，调查，正式分析，数据管理，概念化。唐金松：写作 – 审阅与编辑，写作 – 初稿，监督，项目管理，方法论，资金获取。郑震：写作 – 审阅与编辑，写作 – 初稿，监督，资源，项目管理，方法论，调查，

利益冲突声明
作者声明他们没有任何已知的竞争财务利益或个人关系可能会影响本文报告的工作。

致谢
本工作得到了国家自然科学基金 [项目编号 52201399 和 52505102] 和中央高校基本科研业务费 [项目编号 30924010504] 的支持。

数据可用性
代码和相关材料可在 https://github.com/fangcunxinhe/DBS-Net 获取。

江一钧 | 唐金松 | 郑震 | 常张宇轩 | 易文军 | 赵冰婷