来源：期刊VIP网 时间：
作者：钱建国;徐文文;谭海;慈金龙;焦扬;
单位：辽宁工程技术大学测绘与地理科学学院;自然资源部国土卫星遥感应用中心;扎赉诺尔煤业有限责任公司;
摘要：针对当前光学遥感影像辐射异常检测算法匮乏的问题，该文提出了SAS-YOLO框架，并结合自制的辐射异常数据集，成功实现了遥感影像的辐射异常检测任务。首先，设计了一种结合频域和空间域信息的SPDNet网络作为主干模型，将标准卷积替换为SPDConv,在提取多尺度特征的同时减少计算复杂度，保持高效特征提取能力。其次，设计卷积注意力特征融合网络ACMixNeck。将三层ACMix结构引入YOLOv8的Neck部分，更有效地融合特征，提升目标检测性能，并增强模型在复杂场景中的适应性。最后，使用Shape-IoU损失函数，更好地考虑目标形状的匹配度，通过度量预测框与真实框的形状重合程度，更精确定位目标。实验结果表明，SAS-YOLO算法在辐射异常检测任务中精度高、误判率低，并且具有强适应性和卓越的泛化能力。
关键词：遥感影像;;辐射异常;;SAS-YOLO;;ACMix;;Shape-IoU
基金资助：高分遥感测绘应用示范系统(二期)项目(42-Y30B04-9001-19/21)
