清華大學在海洋遙感探測領域取得新進展_風聞
中国基建报-《中国基建报》官方账号-中国基建报:中国基建领域标杆性报纸。2022-12-29 23:41
我國有着綿長的海岸線和遼闊的海洋國土,這使得我國周邊海域船舶巨增、航道複雜以及海情瞬息多變,船舶遭遇風險的可能大大增加。同時,關于海洋資源、海洋島嶼、海域劃界、海洋環境保護等方面的權益爭端越發激烈,為了保衞海域及島嶼主權,海防也成為了國防建設中不可或缺的一環。對於一些艦船、潛艇等航行器的非法入侵、非法捕撈、非法走私進行監管是海防中的重要任務。因此,開展海洋中艦船、潛艇等目標的探測技術研究具有重要的現實意義。
傳統的探測手段主要以艦船或潛艇本體為檢測對象,然而傳統方法往往會受到艦船自身故障或先進的隱身技術的嚴重影響。但是艦船或潛艇所產生的尾跡卻很難隱身,儘管這種隱匿在海面上的尾跡有時很難被肉眼發現,但卻難以逃脱機載和星載高精密成像傳感器的捕捉,艦船尾跡特別是潛艇尾跡是小尺度的海洋動力學特徵,往往通過高光譜、紅外熱成像或合成孔徑雷達(Synthetic Aperture Radar,SAR)進行成像進而完成探測識別。通過艦船或潛艇在水面留下的尾跡,不但可以發現、定位、跟蹤目標本身的位置,而且還可以根據尾跡的幾何特徵估計目標運動狀態信息。基於尾跡特徵的艦船或潛艇間接探測被認為是一種極其可行的成像探測方法,這在軍事領域和民用領域都有着很高的應用價值。
清華大學深圳國際研究生院周倩副教授、倪凱副教授課題組長期在微納光學技術、光譜成像技術、光電精密測量技術等領域進行研究工作,從特種光學元器件、整機系統研製到現場應用進行了全技術鏈條攻關。針對上述問題,周倩、倪凱課題組提出了一種新的輕量級深度學習模型,用於實時檢測艦船和尾跡。為了滿足巡航任務中艦船和尾跡檢測的實時性要求,本研究採用了單步法整體檢測框架(圖1),並開發了用於主幹特徵提取網絡的組合卷積模塊,以廉價的方式獲得豐富的特徵圖像,在大大減少模型訓練時間的同時也大大減輕了整體模型體積,滿足了艦船檢測系統的硬件要求。

圖1. 艦船尾跡檢測整體框架
研究團隊基於所創建的高分三號艦船尾跡數據集,針對他們提出的輕量級模型,進行了大量的訓練和測試實驗,定量分析了算法的良好性能。在艦船目標及尾跡線條可靠的定位基礎之上,該研究也進行了艦船航行信息反演算法的實驗驗證及結果分析(圖2)。

圖2.部分艦船尾跡檢測結果展示
上述成果以“面向實時檢測高分三號SAR圖像中艦船尾跡的輕量級深度學習模型”(Towards real-time detection of ships and wakes with lightweight deep learning model in Gaofen-3 SAR images)為題,發表在遙感領域國際期刊《環境遙感》(Remote Sensing of Environment)。
論文第一作者為清華大學深圳國際研究生院2020級博士生丁凱洋、2021級碩士生楊俊峯和中國科學院深圳先進技術研究院林慧研究員,通訊作者為清華大學深圳國際研究生院周倩副教授和倪凱副教授。其他合作者包括清華大學深圳國際研究生院2021級碩士生王昭、王得懿和王曉浩教授。(清華大學)