《Optics & Laser Technology》：PSSANet: Phase-Sensitive and Scale-Adaptive Anchor-Free framework for Geospatial object detection
编辑推荐：
•结合低分辨率自注意力与卷积增强，在捕捉全局上下文的同时保留空间细节。•引入尺度与通道感知的特征融合，在大幅尺度变化下自适应聚合多尺度特征。•将结构调制与基于相位的角度编码相结合，实现复杂场景中稳定的朝向预测。引言遥感图像中的目标检测是计算机视觉领域的一个关键研究课题，旨在从
- •
结合低分辨率自注意力与卷积增强，在捕捉全局上下文的同时保留空间细节。
- •
引入尺度与通道感知的特征融合，在大幅尺度变化下自适应聚合多尺度特征。
- •
将结构调制与基于相位的角度编码相结合，实现复杂场景中稳定的朝向预测。
引言
遥感图像中的目标检测是计算机视觉领域的一个关键研究课题，旨在从遥感图像中准确识别和定位各类目标[1]。该技术在实际应用中发挥着重要作用，包括监控、环境监测[2]和农业评估[3]。由于遥感图像固有的高时间分辨率、广泛空间覆盖和丰富的多光谱信息等优势，遥感目标检测能够显著提升决策效率、降低人力成本并提高分析精度。随着深度学习的快速发展和大规模遥感数据的日益丰富，该技术在智能监控系统[4]、自动化分析[5]和实时决策[6]等领域展现出巨大的潜力。与此同时，近期的研究也探索了标注高效的学习范式，如半监督目标检测，在大规模遥感数据集上以较低标注成本保持具有竞争力的检测性能[7]。
近年来，遥感成像技术的快速发展使得图像分辨率不断提高，伴随着目标类别日益多样化、尺度变化更大以及空间分布更为复杂[8]。特别是在复杂背景场景中，小尺度目标的普遍存在以及任意朝向目标的广泛分布对遥感目标检测构成了严峻挑战。传统的目标检测方法，如有向R-CNN系列[9]、Faster R-CNN[10]和YOLO系列方法[11]，在自然场景理解方面取得了显著成功。然而，这些方法主要基于水平边界框表示和基于锚框的机制，这限制了它们处理遥感图像中常见的旋转目标的灵活性。此外，在高分辨率图像中实现检测精度与计算效率之间的有效平衡仍然是一个关键挑战。
基于锚框的方法依赖于预定义的尺度、长宽比和朝向来生成候选框，这需要大量超参数调整并导致计算开销增加，特别是在密集目标或大幅尺度变化的场景中。固定的锚框设计在全面覆盖物体多样且复杂的形状方面存在固有局限，而大量冗余候选框的存在进一步降低了训练和推理效率。此外，传统基于锚框的检测框架通常缺乏对旋转信息的充分建模，难以准确捕捉遥感图像中物体的朝向变化，从而限制了其在旋转目标检测任务中的性能。
为了解决上述问题，基于锚框的目标检测方法近年来受到了越来越多的关注。这些方法通过直接回归目标位置或关键点来消除复杂锚框设计的需要，从而降低计算复杂度并提高检测灵活性。UnitBox[12]采用密集预测范式直接回归边界框参数，在处理不规则形状物体方面展现出优势。CenterNet[13]通过检测物体中心点及其相关属性构建了结构简洁、性能稳定的无锚框检测框架。FCOS[14]从像素级分类的角度将目标检测建模为前景点预测问题，进一步简化了检测流程。
尽管无锚框方法在自然图像中表现优异，但在遥感场景中仍面临严峻挑战。遥感图像中目标尺度、形状和朝向的巨大差异[15]使得现有方法难以有效建模复杂的空间关系和旋转特征。大多数无锚框方法主要依赖局部卷积特征，缺乏对全局上下文信息和长程依赖关系的有效建模，这限制了其对包含旋转目标的复杂场景的适应性。此外，目标旋转往往会引起显著的外观变化，而基于角度离散化或旋转不变特征的现有策略在大旋转角度和复杂背景条件下难以保持检测精度。而且，遥感图像的低空间分辨率进一步削弱了小目标的结构和纹理信息，使得可靠的特征提取变得更加困难。近期的基于扩散模型的方法尝试增强低分辨率船舶检测的细粒度细节，证明了结构信息保留对小目标检测的重要性[16]。此外，遥感图像中复杂背景和严重噪声干扰的存在加剧了目标与背景区分的难度，导致现有模型在鲁棒性和定位精度方面存在明显不足。
为了解决上述挑战，本文提出了一种面向遥感图像旋转目标检测的无锚框框架，在骨干网络、特征融合架构和检测头设计方面进行了系统性改进。具体而言，采用低分辨率Transformer（LRFormer）作为骨干网络，利用其全局自注意力机制来增强长程依赖关系的建模，缓解传统CNN在全局上下文信息捕捉方面的局限性。此外，通过引入尺度感知机制到多尺度特征融合过程中，构建了尺度与通道感知的特征金字塔网络，从而改善不同尺度目标的特征表示能力；特别是尺度感知金字塔池化（SCPP）模块能够有效捕捉对旋转敏感的特征模式并增强对尺度变化的鲁棒性。另外，通过门控瓶颈卷积（GBC）模块将结构调制机制引入检测头，使网络能够在预测前感知目标的空间结构和朝向分布，这有助于突出显著目标区域并抑制冗余的背景干扰，最终减少误检和漏检，实现更准确稳定的目标定位。本文的主要贡献如下：
（1）针对现有遥感旋转目标检测方法在复杂场景中全局上下文建模和长程空间依赖关系捕捉能力不足的问题，引入了一种基于轻量级Transformer的骨干网络LRFormer。通过在全局自注意力机制中融入特征提取过程，所提出的骨干网络显式建模大规模空间关系和全局语义信息，从而缓解了传统CNN在复杂背景和广泛分布目标条件下特征表示不足的问题。
（2）针对多尺度特征融合过程中尺度交互不足和跨尺度表示不一致的问题，提出了一种尺度与通道感知的特征金字塔网络。具体而言，尺度感知金字塔池化模块能够实现自适应尺度建模，改善不同尺寸目标之间的表示一致性并增强对尺度变化的鲁棒性。
（3）针对角度预测中结构建模不足和朝向不稳定的问题，在检测头中引入了门控瓶颈卷积模块。该模块使网络能够在预测前捕捉目标的空间几何结构和朝向分布，从而增强显著区域的响应并抑制背景干扰，最终实现更准确稳定的旋转目标定位。
章节摘要
航空图像中的有向目标检测
随着无人机和航空成像技术的快速发展，航空图像中的旋转目标检测在安全监控、应急响应和交通管理等领域受到了广泛关注。为实现航空场景中的精确目标定位，Yang等人[17]和Azimi等人[18]等早期研究通过设计多尺度的旋转锚框改善了任意朝向目标的锚框覆盖率
PSSANet的总体框架
PSSANet是一种面向遥感旋转目标检测的无锚框框架，旨在提高复杂场景中的定位精度和朝向建模能力，如图1所示。其核心思想是将具有强全局上下文建模能力的基于Transformer的骨干网络与尺度感知的特征融合以及基于相位编码的检测头相结合，从而实现对任意朝向多尺度目标的高效检测。该网络以输入图像
数据集与评估指标
为评估有向目标检测模型在多样化航空场景中的性能，本研究选择了三个代表性数据集：DOTA-v1.0、RSAR和HRSC2016。表1对上述数据集中与航空旋转目标检测任务相关的关键属性进行了对比分析。
DOTA1.0、RSAR和HRSC2016是旋转目标检测的代表性基准数据集，每个数据集在成像模态和数据
讨论
所提出的模型在遥感目标检测中实现了显著的性能提升。如表3所示，该模型在复杂背景和小目标场景中展现出强大的鲁棒性，与基线相比，在直升机（HC）、港口（HA）、储油罐（SP）和桥梁（BD）等类别上均取得了持续提升。值得注意的是，直升机类别的mAP提高了21.6%达到67.6%，这主要得益于LRFormer骨干网络和尺度自适应特征建模
结论
本研究提出了一种无锚框检测网络PSSANet，旨在解决遥感目标检测中的关键挑战，包括尺度变化、复杂背景干扰以及任意朝向目标的几何敏感性。PSSANet采用轻量级骨干网络来提高特征表示效率，同时保持强大的上下文建模能力。为改善多尺度特征学习，采用了一种尺度自适应特征聚合策略
作者贡献声明
邓雷威：写作——审阅与编辑、监督、方法学、形式化分析、概念化。董日光：写作——初稿、验证、软件、方法学、调查。周天：写作——审阅与编辑、监督、调查。
基金
本研究由黑龙江省科技创新基地激励计划（JD25B019）资助，2025.12-2027.12。连续纤维增强复合材料三维缠绕机器人装备研发。
利益冲突声明
作者声明不存在已知的竞争性经济利益或个人关系，这些利益或关系可能会影响本文所报告的工作。
邓雷威|董日光|周天
