基于CCS-Net的SAR飞机检测增强方法：面向有人-无人协同侦察的轻量高效框架

《Aerospace》：Enhancing SAR Aircraft Detection with CCS-Net: A Lightweight and Efficient Framework for Manned–Unmanned Teaming Reconnaissance

　　

摘要

在当代有人-无人协同（MUM-T）系统中，合成孔径雷达（SAR）图像中的飞机精确检测对于战场监视和目标识别至关重要。然而，背景杂波、显著的目标尺度变化以及现有特征提取方法的局限性等挑战严重影响了检测精度。针对上述问题，本文提出了一种专为SAR飞机检测设计的轻量化协同上下文感知网络——CCS-Net。该网络通过限幅对比度增强自适应直方图均衡化（CLAHE）预处理增强图像对比度，并采用新颖的C2F_LK模块与多尺度上下文聚合（MSCA）模块相结合，以极少的参数量提升多尺度特征表示能力。FPN-PAN结构自适应地融合这些特征，而空间坐标注意力头（SCA-Head）则整合空间注意力与坐标注意力机制，以突出关键飞机区域。结合标签平滑优化，该模型在SAR-Aircraft-1.0数据集上仅使用0.97M参数即达到了96.6%的mAP@0.5和93.5%的精度。在SADD飞机数据集以及跨领域的HRSID和SSDD船舶基准数据集上均表现优异，在检测精度和轻量化设计方面均优于当前最先进的方法。