우주 기반 플랫폼을 이용한 장거리 이동 목표 탐지 및 인식은 넓은 대역폭, 이미지 흐림, 작은 목표 크기라는 과제에 직면해 있습니다. 우주 기반 플랫폼의 실시간성, 일반화 및 복원 품질에 대한 요구 사항을 충족하기 위해 주의 메커니즘 기반의 다중 스케일 다단계 합성곱 신경망 방법을 제안했습니다. 경량화된 다중 스케일 다단계 네트워크를 최적의 모듈 수와 함께 사용하여 실시간성을 보장하고, 주파수 영역 기반의 자기 주의 메커니즘 솔버 및 판별 피드포워드 신경망(Frequency domain based self-attention solver and discriminative FFN, F-D)과 합성곱 주의 모듈(Concolutional Block Attention Module, CBAM)을 결합하여 공간 및 주파수 영역에서 핵심 정보를 포착합니다. 실험 결과, 이 디블러링 방법의 복원 속도는 34 프레임/초를 초과하며, 소요 시간은 전형적인 알고리즘의 1/3에 불과합니다. 적외선 소형 목표 데이터셋에서 PSNR은 32 dB 이상, SSIM은 0.87 이상이며, 가시광선 소형 목표 데이터셋에서는 PSNR이 17 dB 이상, SSIM이 0.93 이상입니다. 이 알고리즘은 광대역에 대해 일반화 능력을 가지며, 작은 목표의 윤곽과 형태 정보를 효과적으로 복원할 수 있습니다.

컴퓨터 비전; 이미지 디블러링; 주의 메커니즘; 소형 목표