基于多级约束的可见光-SWIR图像转换技术在海洋船舶检测中的应用研究

为解决SWIR(短波红外)图像标注数据匮乏制约海洋船舶检测的难题，研究人员创新性地提出可见光-SWIR跨谱图像转换框架，通过对抗损失、像素级/块级/感知级多约束优化，成功生成高质量合成SWIR数据集，实验证实其显著提升船舶检测性能，为红外成像技术应用开辟新途径。

　　

在全球化贸易高度依赖海运的背景下，海洋船舶监管面临严峻挑战。尽管短波红外(SWIR)成像技术凭借穿透雾霾、全天候监测等优势成为理想解决方案，但标注数据短缺严重制约了深度学习在该领域的应用。现有可见光船舶数据集虽丰富，却因光谱差异无法直接迁移。这一矛盾促使研究人员探索跨谱图像转换的创新路径。

来自山东大学的研究团队在《Neurocomputing》发表的研究中，首次构建了可见光至SWIR的图像转换框架。该研究采用双生成器对抗网络架构，通过像素级L1损失、块级特征匹配、感知损失与对抗损失的四重约束机制，实现了跨谱语义信息的高保真迁移。实验表明，合成SWIR图像不仅视觉逼真，更使YOLOv5等检测模型的平均精度(mAP)提升12.7%，为突破红外数据瓶颈提供了关键技术支撑。

关键技术包括：1)基于CycleGAN的双向生成架构；2)融合像素/块/感知的多级损失函数；3)采用SMD和SDU-IRSD双数据集验证；4)通过FID指标量化评估生成质量。研究创新性地将图像转换与目标检测任务耦合，形成端到端的解决方案。

【Marine ship detection】部分指出，传统手工特征方法难以应对复杂海况，而SWIR成像的强穿透特性可有效解决可见光检测的天气敏感性。【The Framework】详细阐述了生成器G_VIS→SWIR与判别器D_SWIR的对抗训练过程，其中块级损失通过预训练VGG19提取特征图实现跨域内容对齐。【Datasets and Setup】采用SMD数据集2000张可见光图像与SDU-IRSD的1044张SWIR图像，通过Fréchet Inception Distance(FID)验证生成图像与真实SWIR的分布一致性。

【Conclusion】证实该方法有效缓解了数据稀缺问题，合成数据训练的检测模型在真实SWIR图像上达到85.3%召回率。研究不仅为SWIR船舶检测提供新范式，其多级约束机制对THz(太赫兹)、UV(紫外)等跨谱转换具有普适参考价值。值得注意的是，感知损失使生成图像更符合人类视觉认知，而块级保留机制确保了船舶目标的几何结构完整性。该成果为红外光电感知装备的智能化应用奠定了重要理论基础。