بهبود عملکرد شناسایی کشتی در تصویربرداری SAR با مکانیزم های توجه مکانی و تکنیک های پیش پردازش پیشرفته

شناسایی کشتی در تصاویر رادار دهانه ترکیبی (SAR) یکی از کاربردهای کلیدی در نظارت دریایی، امنیت دریانوردی و مدیریت منابع آبی است. با این حال، وجود نویز لکه ای، کنتراست پایین و پیچیدگی محیط های دریایی، چالش های مهمی را در این حوزه ایجاد می کنند. در این پژوهش، یک رویکرد جدید برای شناسایی کشتی در تصاویر SAR ارائه شده است که ترکیبی از تکنیک های پیش پردازش پیشرفته و مکانیزم توجه مکانی در معماری YOLOv۸n را به کار می گیرد. تکنیک های پیش پردازش شامل فیلتر میانه، فیلتر دوجانبه، تبدیل لگاریتمی و الگوریتم CLAHE به منظور کاهش نویز، بهبود کنتراست و افزایش وضوح نواحی تاریک در تصاویر مورد استفاده قرار گرفته اند. همچنین، مکانیزم توجه مکانی با تمرکز بر ویژگی های مکانی مهم، دقت مدل را در جداسازی کشتی ها از نویز پس زمینه افزایش داده است. عملکرد مدل پیشنهادی در مقایسه با روش های مبتنی بر YOLOv۴ و YOLOv۸n مورد ارزیابی قرار گرفته است. نتایج آزمایش ها نشان می دهند که رویکرد پیشنهادی با دقت ۶۹.۲% از YOLOv۸n (اولیه ۹۱.۴%) و مدل پیشرفته مبتنی بر YOLOv۴ (۹۳.۹۱%) پیشی گرفته و بهبود چشمگیری در شناسایی کشتی ها ارائه داده است. این تحقیق نشان می دهد که ترکیب تکنیک های بهبود کیفیت تصویر و توجه مکانی، می تواند منجر به شناسایی دقیق تر کشتی ها در تصاویر SAR شود و مسیر جدیدی برای توسعه روش های کارآمد در این حوزه فراهم کند.

کلیدواژه ها:

سنجش از دور ، شناسایی کشتی ، نویز لکه ای ، یادگیری عمیق