第31卷第4期2023年2月Vol.31No.4Feb.2023光学精密工程OpticsandPrecisionEngineering面向航天光学遥感场景压缩感知测量值的舰船检测肖术明1，2，张叶1，2*，常旭岭1，2，孙建波1，2（1.中国科学院长春光学精密机械与物理研究所，吉林长春130033；2.中国科学院大学，北京100039）摘要：基于压缩感知的航天光学遥感成像系统可以在采样阶段通过硬件同时完成采样和压缩。在面临舰船检测任务时，系统需要重建原始场景，CS的场景重建过程计算量大、内存要求高且耗时。本文提出了直接对成像系统测量值进行舰船检测的算法——基于压缩感知和改进YOLO的测量值舰船检测算法。为了模拟成像系统的分块压缩采样过程，利用步长和卷积核尺寸相等的卷积测量层对场景进行卷积运算，将高维图像信号投影到低维空间得到全图CS测量值。得到场景的测量值后，测量值舰船检测网络从测量值中提取舰船的位置信息。在主干网络中导入SENet模块，利用改进后的主干网络来提取测量值的舰船特征信息；利用特征金字塔网络强化特征提取的同时融合浅层、中层和高层的特征信息，进而完成舰船的位置信息预测。其中，CS-IM-YOLO将卷积测量层和CS测量值舰船检测网络连接起来端对端训练，大大简化了算法的预处理过程。通过数据集HRSC2016评测算法性能，实验结果表明：CS-IM-YOLO对于SORS场景CS测量值舰船检测的检测精度为91.60%，召回率为87.59%，F1值为0.90，和AP值为94.13%。这充分表明该算法可以对SORS场景的CS测量值进行高质量的舰船检测。关键词：压缩感知测量值的舰船检测；压缩感知；深度学习；联合训练优化中图分类号：TP394.1；TH691.9文献标识码：Adoi：10.37188/OPE.20233104.0517ShipdetectionorientedtocompressivesensingmeasurementsofspaceopticalremotesensingscenesXIAOShuming1，2，ZHANGYe1，2*，CHANGXuling1，2，SUNJianbo1，2（1.ChangchunInstituteofOptics，FineMechanicsandPhysics，ChineseAcademyofSciences，Changchun130033，China；2.UniversityofChineseAcademyofSciences，Beijing100039，China）*Correspondingauthor，Email：yolanda@spirits.aiAbstract：Thecompressivesensing（CS）-basedspaceopticalremote-sensing（SORS）imagingsystemcansimultaneouslyperformsamplingandcompressionbyusinghardwareatthesensingstage.Thesystemmustreconstructtheoriginalsceneduringtheshipdetectiontask.ThescenereconstructionprocessofCSiscomputationallye...
