基于多尺度注意力Transformer的火星尘卷风检测方法研究及其在遥感影像中的应用

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Multi-Scale Attention Transformer for Martian Dust Devil Detection in Remote Sensing Imagery

本文针对火星尘卷风检测中面临的高质量标注数据稀缺、尺度变化大、边界模糊及复杂表面纹理等挑战，提出了一种基于Transformer的检测网络MDT。研究团队构建了跨区域人工标注基准数据集MDD-Human，并设计了融合分层策略和混合注意力机制的多尺度注意力融合模块，有效增强了不同火星地形下尘卷风特征的表征能力。实验结果表明，MDT在MDD-Human数据集上实现了92.7%的精确率、90.8%的召回率和92.4%的mAP@50，显著优于现有检测器，展现了强大的跨源泛化能力，为火星探测任务提供了可靠的技术支持。

　　

在浩瀚的太阳系中，火星作为与地球最为相似的行星，一直是深空探索的焦点。随着数十次火星探测任务的实施，科学家们获得了丰富的遥感观测数据，为研究火星地质演化、大气环流机制乃至潜在生命迹象提供了宝贵资料。其中，尘卷风作为火星表面最常见的大气现象之一，不仅是研究火星大气动力学的关键指标，更对航天器运行安全产生直接影响——例如"毅力号"火星车在杰泽罗陨石坑遭遇的尘卷风就曾导致太阳能板功率波动和瞬时电压下降。

然而，准确检测火星尘卷风仍面临诸多挑战：高质量标注数据稀缺、目标尺度差异显著、边界模糊不清以及复杂表面纹理干扰等问题，严重制约了传统检测方法的性能。现有基于卷积神经网络的检测框架在处理低对比度、多尺度变化的尘卷风目标时，往往出现误检或漏检情况。特别是在高反照度沙丘、密集撞击坑区域等复杂地形条件下，传统模型的边缘划分和形状表征能力明显不足。

为解决这些难题，研究团队在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上发表了题为"A Multi-Scale Attention Transformer for Martian Dust Devil Detection in Remote Sensing Imagery"的研究论文。该研究首次构建了跨区域人工标注数据集MDD-Human，并创新性地提出了基于Transformer的火星尘卷风检测网络MDT。

研究采用的关键技术方法包括：1）使用轻量级FasterNet作为骨干网络，通过部分卷积(PConv)模块平衡计算效率与特征提取能力；2）设计多尺度注意力融合模块(MAFF)，集成动态上采样(DySample)和自适应下采样(ADown)操作，结合通道注意力(CA)、CBAM和三元组注意力(Triplet Attention)机制；3）提出形状增强最小点距离交并比损失函数(SMIoU)，通过角点距离约束和结构形状先验提高几何敏感性；4）基于火星CTX影像构建包含8052个训练样本的MDD-Human数据集，覆盖多种火星地貌单元。

模型架构设计

MDT检测框架的核心创新在于其多层次的特征处理策略。如图1所示，模型采用四阶段式架构，首先通过FasterNet骨干网络提取多尺度特征(P3、P4、P5)，随后通过MAFF模块实现特征融合。FasterNet通过部分卷积操作，仅对1/4输入通道进行3×3卷积，其余通道保持恒等映射，显著降低了计算复杂度。这种设计特别适合处理火星尘卷风常见的低亮度、边界模糊图像特征。

多尺度注意力融合机制

MAFF模块(图3)通过双向特征金字塔网络(BiFPN)层实现跨尺度特征交互。DySample模块采用基于学习的偏移量确定采样位置，相比传统固定网格插值方法，能更好地保留图像细节。实验表明，四层BiFPN配置在召回率和F1分数上达到最佳平衡，在保持64.5 FPS推理速度的同时，显著提升了多尺度目标的检测性能。

形状感知损失函数

针对尘卷风常呈现的不规则螺旋状或细长形貌，研究团队设计了SMIoU损失函数。该函数在MPDIoU基础上引入形状惩罚项，通过宽度比(ω_w)和高度比(ω_h)的相对差异计算，增强模型对长宽比变化的敏感性。如图7所示，相比传统IoU损失，SMIoU能更准确地回归细长目标的边界框，特别适用于尘卷风的核心结构对齐。

数据集构建与分析

研究团队基于火星侦察轨道器(MRO)的CTX影像，构建了首个跨区域人工标注数据集MDD-Human。该数据集覆盖火星中低纬度典型尘卷风活跃区域，包含3032个标注目标。统计显示(图10)，约95%样本的归一化面积集中在0-0.1范围内，最小尘卷风仅占约464像素，最大可达185,280像素，体现了尘卷风的多尺度特性。数据集的中心坐标呈均匀分布，符合尘卷风在火星表面随机形成的自然规律。

消融实验验证

通过系统的消融实验，研究验证了各模块的贡献。在注意力机制对比中(表I)，混合注意力(CA+CBAM+TA)组合取得了最佳性能(精确率0.932，F1分数0.917)。损失函数对比表明(表III)，SMIoU在保持0.927精确率的同时，将召回率提升至0.908，显著优于CIoU、ShapeIoU等现有方法。模块级消融(表IV)进一步证实，完整MDT模型在参数量仅23.9M的情况下，达到0.918的F1分数，实现了精度与效率的平衡。

跨域泛化能力

为验证模型的泛化性能，研究在THEMIS和CRISM等未参与训练的多源数据上进行了测试。如表VI所示，MDT在THEMIS数据上达到0.807的mAP@50，在CRISM数据上取得0.746的mAP@50，展现了良好的跨传感器适应能力。图12的检测结果可视化显示，模型在不同成像条件下均能保持稳定的检测性能，特别是在具有明显阴影或扰动轨迹的场景中表现突出。

研究结论与展望

本研究通过构建MDD-Human数据集和提出MDT检测框架，为火星尘卷风的准确检测提供了创新性解决方案。实验证明，MDT在保持较高推理速度(64.5 FPS)的同时，显著提升了复杂火星环境下尘卷风的检测精度。该模型对细长目标特有的形状敏感性，使其在行星科学探测任务中具有重要应用价值。

然而，研究仍存在一定局限性：当前模型主要依赖二维遥感影像，尚未涉及尘卷风的垂直结构和动态参数分析；数据标注仍需要较多人工干预；对极低分辨率或复杂光谱干扰场景的适应性有待进一步提升。未来工作可结合立体重建、阴影几何分析和多时序图像序列，向三维参数反演和时空演化分析方向拓展，从而为火星大气动力学研究提供更深入的科学见解。

这项研究不仅推动了行星遥感目标检测技术的发展，也为未来火星探测任务中的着陆点选择、运行安全评估提供了技术支撑。通过高效识别尘卷风活动，科学家能够更准确地分析其空间分布规律和形成机制，进而深化对火星气候系统的理解，为载人火星任务的风险评估和资源规划奠定基础。