《Sensors》：Dual-Channel Scale-Adaptive Clutter Suppression with Confidence-Derived Gating for Microwave Inspection of Curved Radar-Absorbing Materials
编辑推荐：
专业术语翻译的论文摘要
微波成像有望用于雷达吸波材料（radar-absorbing materials, RAMs）的非接触式检测；然而，重建微波图像中强烈的结构化非损伤响应可能类似于表面缺陷并触发误检，而硬掩膜可能会移除模糊边界附近的微弱损伤响应。为解决这
专业术语翻译的论文摘要
微波成像有望用于雷达吸波材料（radar-absorbing materials, RAMs）的非接触式检测；然而，重建微波图像中强烈的结构化非损伤响应可能类似于表面缺陷并触发误检，而硬掩膜可能会移除模糊边界附近的微弱损伤响应。为解决这些问题，本文提出了一种双通道尺度自适应杂波抑制与置信度导出门控方法，作为曲面RAM试件表面损伤检测的应用特定前端。从同一次测量中确定性地导出的归一化微波响应图和固定形态增强图被联合编码。输入条件化的尺度自适应金字塔池化模块（scale-adaptive pyramid-pooling module, SA-PPM）重新加权多尺度上下文分支，而置信度导出自适应阈值门控（confidence-derived adaptive-threshold gating, C-ATG）则从保留置信度及其模糊性代理生成一个有界的逐像素阈值。连续权重滤波（continuous-weight filtering, CW-FI）随后产生连续的保留权重，从而实现逐渐衰减而非强制性的二元去除。实验在一个配对的可见光/微波RAM数据集上进行。在保留的测试子集上，该方法实现了杂波与保留响应之间的像素级区分，并在匹配的检测器端设置下，改善了对条状裂纹和圆形剥落的检测。
论文解读文章
1. 研究背景与现存问题
雷达吸波材料（RAM）广泛应用于隐身和电磁防护领域，其服役过程中的冲击损伤会改变材料的电磁性能，因此对其状态进行可靠评估和维护至关重要。微波成像作为一种非接触式的空间分辨检测手段，为RAM的检测提供了有力工具。然而，在实际应用中，重建后的微波图像中存在强烈的结构化非损伤响应（即杂波）。这些杂波通常由散射耦合、非均匀吸收体分布等因素引起，其在形态上可能与真实表面缺陷（如条状裂纹、圆形剥落）高度相似，从而极易导致下游检测算法产生大量虚警。传统的硬掩膜方法虽然可以抑制杂波，但其二元取舍特性可能会导致位于模糊决策边界附近的微弱真实损伤响应被错误地移除，造成漏检。因此，亟需一种既能有效抑制结构化杂波，又能最大程度保留弱损伤信号的前端处理方法。
2. 研究目的、方法与意义
为解决上述问题，本研究旨在开发一种应用特定的前端杂波抑制框架，并将其集成到曲面RAM试件的表面损伤检测流程中。研究人员提出了一种融合双通道表征、尺度自适应上下文聚合和置信度导出连续加权的综合方法。通过在配对的可见光/微波RAM数据集上进行严格的实验验证，结果表明，所提出的方法能够在像素级别有效区分杂波与应保留的响应，并且在保持下游检测器配置不变的前提下，显著提升了两种典型表面损伤（条状裂纹和圆形剥落）的平均精度（AP@0.50）。这一研究的核心意义在于，它证明了在图像重建和损伤检测之间引入一个智能的前端处理环节，能够在不改变现有检测器架构的情况下，有效提升整体检测性能，为工业环境下RAM的无损检测提供了一种新的、更可靠的解决方案。
3. 关键技术方法概述
研究人员采用了以下关键技术方法：
- •
双通道输入表征：将原始单通道微波响应图与其形态学梯度图（通过对原图进行膨胀和腐蚀操作之差获得）进行通道拼接，构成一个2通道的输入张量，为后续网络提供互补的结构信息。
- •
尺度自适应金字塔池化模块（SA-PPM）：在PSPNet的经典金字塔池化结构基础上，增加了一个轻量级的权重预测分支。该分支根据编码后的输入特征，动态地为不同尺度的池化分支分配权重，实现对多尺度上下文信息的输入条件化聚合。
- •
置信度导出自适应阈值门控（C-ATG）：利用分割网络的输出概率计算一个确定性混淆代理，并结合从聚合特征中预测的图像级基础阈值，生成一个受限于预设区间的逐像素自适应阈值。
- •
连续权重滤波（CW-FI）：基于分割置信度和自适应阈值，通过一个可微分的函数计算每个像素的连续保留权重，而非生成二值掩膜，从而允许对边界区域进行平滑过渡的衰减。
4. 研究结果
4.1 优化器与学习率选择
研究人员通过验证集上的平均交并比（mIoU）指标，系统比较了SGD、RMSprop等四种优化器在不同初始学习率下的表现，最终确定了使模型收敛最佳的超参数组合。
4.2 抑制响应的定性分析
通过可视化对比原始微波响应图与经连续权重加权后的输出图，研究人员发现该方法能够选择性地抑制环状、斑块状、点状和带状等不同类型的结构化杂波，而非进行全局的幅度缩放，展示了其空间选择性衰减能力。
4.3 受控前端抑制下的检测变化
在基线YOLOv4-tiny配置（Pair A）下，采用前端抑制后，条状裂纹的AP@0.50从83.82%提升至88.00%，圆形剥落的AP@0.50从71.97%提升至83.49%。在增强型YOLOv4-tiny配置（Pair B）下，条状裂纹的AP@0.50从86.10%提升至92.31%，圆形剥落的AP@0.50从88.01%提升至89.91%。这表明，在两个受控对比实验中，前端抑制均带来了正向的检测增益，但增益幅度依赖于损伤类别和检测器配置。
4.4 前端模块的组件消融实验
通过逐一禁用SA-PPM、C-ATG和CW-FI等核心模块，研究人员在测试集上评估了各组件对分割mIoU和检测AP的影响。结果显示，所有包含前端组件的配置相比无抑制情况均有性能提升。值得注意的是，像素级分割一致性（mIoU）与下游检测效用（AP）并非完全等价。例如，仅使用CW-FI的配置虽然mIoU低于仅使用C-ATG的配置，但在两个损伤类别的AP上却更高，这证明了连续权重对于检测任务的价值。完整的配置（包含所有三个模块）取得了最佳的mIoU（87.30%）和最高的检测AP值。
5. 讨论与结论
讨论部分总结：
研究表明，前端加权的检测增益依赖于损伤类别和检测器配置。混淆代理U仅反映预测接近决策边界的程度，不能衡量模型自信的错误。mIoU与AP排序的不一致表明，像素级分类指标不足以代表前端的检测价值，因此需要同时报告两种指标。本研究的结论基于特定频率（4-18GHz）、特定材料（RAMDD数据集）和特定检测器（YOLOv4-tiny）的实验条件，其向其他材料、频率或检测器的迁移能力尚待验证。像素级门控的计算复杂度与像素数呈线性关系，但这不包括整个管线的网络推理开销。
研究结论翻译：
本文提出了一种针对曲面RAM表面微波图像杂波抑制的前端方法，该方法集成了双通道表征、尺度自适应聚合和置信度驱动的连续加权。完整的配置在保留的测试子集上达到了87.30%的mIoU，并在匹配的检测设定下，使两种缺陷类别的AP@0.50得到提升，最大增益为11.52个百分点。结果表明，在所评估的条件下，输入端加权增强了缺陷检测，并且像素分类和实例检测指标应结合使用。在图像重建和检测之间引入连续保留权重，为平衡干扰衰减与缺陷信息保留提供了一种途径。当前的验证仅限于既定的数据集、可见表面缺陷和特定的检测器配置；未来的工作将涉及跨不同材料和采集条件的验证、邻近缺陷实例的分析以及整个管线计算开销的评估，以阐明该方法的适用范围。
