多尺度-多方向Transformer下模糊遥感图像小目标识别方法
刘婷
商丘职业技术学院计算机工程学院 河南商丘 476000
摘要：模糊遥感场景中,大气散射与传感器噪声耦合干扰导致图像非均匀退化,呈现局部多尺度模糊纹理交叠和目标边缘频域信息混叠现象.此复杂退化模式使传统单尺度特征提取方法难以有效分离目标与背景频谱成分,且多方向边缘特征退化畸变加剧目标语义信息断裂,影响识别精度与鲁棒性.为此,文章提出了一种多尺度-多方向Transformer模糊遥感图像小目标识别方法.该方法通过传感器标定与平滑去噪实现大气校正,利用非线性隶属度映射结合直方图均衡化增强图像对比度,缓解频谱混叠现象;采用卷积神经网络堆叠提取目标特征,初步分离目标与背景的粗粒度信息;引入多尺度-多方向Transformer编码器,通过多头自注意力机制与方向可学习卷积核并行处理多尺度特征,实现特征自适应增强与多方向边缘建模,有效抑制语义信息断裂.基于交叉熵损失函数输出类别概率分布,完成小目标识别.在DOTA-F数据集上的实验结果表明,该方法Kappa系数达到0.9,显著提升了模糊遥感图像中小目标的识别精度.
关键词：多尺度-多方向Transformer模糊遥感图像小目标识别识别精度
资助基金：河南省高等学校重点科研项目(24B520031)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 63-66 )