MFAFNet：用于域泛化水下目标检测的多尺度频率自适应融合网络

《Neural Networks》：MFAFNet: Multiscale Frequency-Adaptive Fusion Network for Domain Generalized Underwater Object Detection

　　

摘要

在未知水下环境中进行水下目标检测（UOD）仍然面临挑战，因为域依赖的图像退化会导致特征表示不稳定，并大幅降低跨域泛化能力。为了解决这一问题，我们提出了MFAFNet，一种用于域泛化水下目标检测的端到端多尺度频率自适应融合网络。MFAFNet由三个互补组件组成，逐步增强、提取和融合具有退化鲁棒性的特征。首先，频率自适应增强网络（FAENet）将输入图像分解为低频和高频分量，并自适应地增强受水下退化影响的全局结构信息以及局部边缘和纹理细节。其次，快速交叉门控聚合模块（FCGA）将部分卷积与交叉门控空间-通道交互相结合，在保持低计算复杂性的同时高效提取鲁棒的特征表示。最后，多尺度自适应融合层次网络（MAFNet）在多个特征尺度上自适应地集成语义和细节信息，提升域偏移下的目标判别能力。在多个水下数据集上的大量实验表明，MFAFNet实现了鲁棒的检测性能和强大的跨域泛化能力。

引言

水下目标检测（UOD）在深海探索、海洋生态监测、水下机器人、自主水下航行器（AUV）以及环境保护中发挥着至关重要的作用（Fu, Liu, Fan, Chen, Fu, Yuan, Zhu, Luo, 2023, Ge, Ouyang, 2025, Xie, Chen, Cai, Zhuang, Yu, Ge, Lu, 2024）。近年来，随着深度学习的快速发展，基于深度卷积神经网络（CNN）的目标检测方法在计算机视觉领域取得了卓越的性能，应用范围从自动驾驶、安全监控到交通管理（Garcia-Aguilar, Garcia-Gonzalez, Luque-Baena, López-Rubio, 2023, Liu, Anguelov, Erhan, Szegedy, Reed, Fu, Berg, 2016, Yu, Ji, 2021）。然而，将针对陆地图像优化的方法直接应用于水下环境通常会导致显著的性能下降。这种性能下降主要由水下图像特有的退化引起，包括颜色失真、低对比度、不均匀光照、运动模糊以及由悬浮颗粒散射引起的噪声（Kamath, Renuka, 2023, Wang, Chen, Liu, Wang, Karimi, Lin, 2023b, Xu, Zhang, Song, Mei, He, Liotta, 2023）。这些因素共同为水下检测任务带来了独特挑战，因此需要专门设计适用于水下场景的目标检测框架。

水下图像质量的退化本质上源于水体的选择性吸收和散射。根据水下大气散射模型，退化图像可以表示为清晰图像、全局背景光和透射图之间的函数关系（Akkaynak, Treibitz, 2019, Jaffe, 2002）。具体而言，不同水体中的盐度、温度和溶解有机物改变了水的光学特性，导致色偏和细节模糊，严重影响特征提取的准确性。值得注意的是，水下图像的退化呈现出独特的频域特性。低频分量主要承载全局结构和语义信息，容易受到色彩偏移和整体对比度降低的影响。相比之下，高频分量包含边缘和纹理细节，严重受到悬浮颗粒散射和运动模糊的退化。图1展示了来自相应光谱的不同水域的频域分布。

为应对上述挑战，众多研究从不同角度提出了解决方案。现有的水下目标检测方法大致可分为两类：基于图像增强的方法（Chen, Jiang, Tong, Liu, Zhao, Zhang, Dong, Zhou, 2020, Dai, Liu, Song, Liu, 2024a, Dai, Liu, Song, Tang, Ding, Li, 2024b, Wang, Sun, Bai, Wang, Ren, 2023a）和基于特征表示的方法（Yuan, Cai, Cao, 2024a, Zhou, He, Lam, Wang, Zhang, Guo, Li, 2024）。前者通过图像去雾和颜色校正等预处理技术提升图像质量，然后将图像输入检测器进行目标定位；后者专注于设计更具鲁棒性的特征提取机制，以应对从水下退化图像中学习特征的挑战。此外，域泛化方法（Chen, Wang, Qin, Mu, 2025, Chen, Song, Liu, Dai, Zhang, Ding, Li, 2023b, Liu, Song, Ding, 2020）由于不同水下域之间的分布差异，逐渐成为水下目标检测的活跃研究方向。其目标是仅在源域数据上进行训练，在未知目标域上无需额外微调即可保持稳定的检测性能。

然而，现有方法存在某些局限性，限制了其在复杂水下环境中的应用。基于预处理的图像增强方法在提升视觉质量的同时，不可避免地会丢失图像内在信息，且增强与检测目标之间存在固有的不一致性（Liu, Jiang, Yang, Fan, 2022, Wang, Guo, He, Gao, Yue, Zhang, Li, 2023c）。一些域泛化方法通常会改变内在特征，例如原始图像的颜色，这可能导致部分有效信息的丢失，而多任务联合学习策略显著增加了参数数量和计算复杂度，从而影响实时推理速度（Huang, Le, Jaw, 2020, Liu, Fang, Lu, Zhang, Lan, 2025）。此外，现有的静态网络架构在面对未知水下环境时限制了模型的跨域泛化能力，忽视复杂的水下退化过程进一步削弱了域泛化策略的有效性（Luo et al., 2025）。因此，设计一个既能实现高效检测又能减轻退化水下图像不良影响的模型仍然是一项重大挑战。

本文提出了一种端到端多尺度频率自适应融合网络（MFAFNet），通过三个协同工作的创新模块系统地解决了上述挑战。我们首先在骨干网络之前使用频率自适应增强网络（FAENet）来增强模型的特征信息。然后，利用快速交叉门控聚合模块（FCGA）增强特征提取并降低模型的计算复杂度。最后，通过多尺度自适应融合层次网络（MAFNet）提升多尺度特征图之间的语义信息融合。

本文的主要贡献如下：

• •
  我们提出了一种新颖的端到端多尺度频率自适应融合网络，用于复杂退化环境中的水下目标检测。该框架不仅保持了良好的计算复杂度，还实现了鲁棒的检测性能和卓越的跨域泛化能力。
• •
  我们引入离散小波变换，将小波低频模块（WLFM）、轻量级注意力模块（LAM）和小波高频模块（WHFM）融合到FAENet中，以增强退化水下图像的特征信息。
• •
  我们提出了FCGA模块，将部分卷积与交叉门控聚合机制集成在一起，同时建模空间和通道维度。该模块在实现高效特征提取的同时保持了高表征能力。
• •
  我们提出了MAFNet，通过在通道和空间维度上引入自适应注意力分配，有效解决了传统特征融合策略的局限性，显著提升了多尺度特征表示中的语义丰富性和判别性。

章节摘要

水下目标检测

基于图像增强的水下目标检测方法。基于图像增强的UOD方法在检测之前提升水下图像质量，以便后续目标定位。例如，近期研究集成感知增强模块，生成既有效又适合检测的图像（Chen et al., 2020）。基于强化学习的增强框架专门针对水下图像的检测结果进行优化，而非仅优化视觉质量。

MFAFNet的整体架构

为了有效检测复杂退化水下图像中的目标，我们提出了MFAFNet，如图2所示。作为前端模块，FAENet部署在骨干网络之前，实现自适应频域增强，减轻水下退化对后续特征提取的影响。增强后的特征随后输入骨干网络，并与FCGA模块集成以实现高效特征提取、保持轻量化设计并生成多尺度特征。

数据集和评估指标

本文使用了四个具有代表性的水下目标检测数据集，包括三个公开水下目标检测数据集（URPC2020、DUO（Liu et al., 2021a）和RUOD（Fu et al., 2023））以及水下域泛化目标检测数据集（S-UODAC2020（Chen et al., 2023b））。上述四个数据集的标签信息如表1所示。URPC2020数据集包含4个类别，共有6575张图像：4603张用于训练，657张用于验证，1315张用于

结论

在本研究中，我们提出了MFAFNet，一种用于水下目标检测的多尺度频率自适应融合网络，有效应对了复杂水下环境带来的挑战，包括颜色失真、低对比度以及不同水体之间的域偏移。我们的方法在公开水下数据集URPC2020、DUO和RUOD以及水下域泛化数据集S-UODAC2020上表现良好。在Brackish和TrashCAN数据集上，其AP50值为

CRediT作者贡献声明

于永杰：写作 – 审阅与编辑，写作 – 初稿，验证，方法论。陈辉：写作 – 审阅与编辑，验证，项目管理，方法论，资助获取。本春雷：写作 – 审阅与编辑，验证，数据整理。张顺祥：验证，资助获取，概念构思。葛斌：可视化，验证。

利益冲突声明

作者声明他们没有已知的可能影响本论文所述工作的竞争性财务利益或个人关系。

于永杰|陈辉|本春雷|张顺祥|葛斌