A Classification-Aware Super-Resolution Framework for Ship Targets in SAR Imagery

तकनीकी सारांश: SAR इमेजरी में जहाज लक्ष्यों के लिए एक वर्गीकरण-जागरूक सुपर-रिज़ॉल्यूशन फ्रेमवर्क

समस्या विवरण
सिंथेटिक अपर्चर रडार (SAR) इमेजरी समुद्री निगरानी और जहाज वर्गीकरण के लिए महत्वपूर्ण है, फिर भी यह डेटा की कमी, अंतर्निहित निम्न रिज़ॉल्यूशन, स्पेकल नॉइज़ (speckle noise) और साइडलोब इंटरफेरेंस जैसी महत्वपूर्ण चुनौतियों का सामना करती है। जबकि सुपर-रिज़ॉल्यूशन (SR) तकनीकों का उपयोग लो-रिज़ॉल्यूशन (LR) इनपुट से हाई-रिज़ॉल्यूशन (HR) छवियों के पुनर्निर्माण के लिए व्यापक रूप से किया जाता है, पारंपरिक दृष्टिकोण केवल पिक्सेल-स्तरीय छवि गुणवत्ता मेट्रिक्स, जैसे कि पीक सिग्नल-टू-नॉइज़ रेश्यो (PSNR) और स्ट्रक्चरल सिमिलैरिटी इंडेक्स मेजर (SSIM) के लिए अनुकूलित होते हैं। लेखक एक महत्वपूर्ण विच्छेद की पहचान करते हैं: सुधार केवल वर्णनात्मक (perceptual) मेट्रिक्स में होने से आवश्यक रूप से डाउनस्ट्रीम कार्यों जैसे जहाज वर्गीकरण के प्रदर्शन में सुधार नहीं होता है। SAR में, जहाँ लक्ष्य छोटे होते हैं और बैकग्राउंड क्लटर (clutter) द्वारा हावी होते हैं, मानक SR मॉडल जो पिक्सेल-वाइज लॉस (जैसे L1, L2) पर प्रशिक्षित होते हैं, अक्सर अत्यधिक स्मूथ (over-smoothed) परिणाम उत्पन्न करते हैं जो अनजाने में उन सूक्ष्म स्कैटरिंग विशेषताओं को कम कर देते हैं जो सटीक क्लास भेदभाव के लिए आवश्यक हैं। इस कार्य से पूर्व, किसी भी अध्ययन ने विशेष रूप से SAR जहाज वर्गीकरण के लिए वर्गीकरण-जागरूक SR रणनीति पेश नहीं की थी।

कार्यप्रणाली (Methodology)
यह शोध पत्र एक एकीकृत फ्रेमवर्क का प्रस्ताव करता है जो वर्गीकरण फीडबैक को सीधे SR प्रशिक्षण प्रक्रिया में एकीकृत करता है। कार्यप्रणाली को तीन प्रगतिशील चरणों में संरचित किया गया है, जिसमें OpenSARShip डेटासेट (विशेष रूप से छह वर्ग: कार्गो, टैंकर, फिशिंग, ड्रेजिंग, पैसेंजर, और टग) और तीन SR आर्किटेक्चर (EDSR, CARN, RCAN) को पांच वर्गीकरण नेटवर्क (ResNet18/50, VGG16, MobileNetV2, DenseNet121) के साथ जोड़ा गया है।

1. SR-I (Inference): बेसलाइन मूल्यांकन के लिए ImageNet-प्रीट्रेंड SR मॉडलों का उपयोग करके LR इनपुट से HR छवियां उत्पन्न की जाती हैं, जिसके बाद बेसलाइन F1-स्कोर स्थापित करने के लिए वर्गीकरण किया जाता है।
2. SR-PT (Pretraining): SR मॉडलों को इमेज क्वालिटी (IQ) लॉस फंक्शन का उपयोग करके SAR डेटा पर प्रशिक्षित किया जाता है। तीन विशिष्ट लॉस फंक्शनों का मूल्यांकन किया गया है:
   • L1-Loss: मानक पिक्सेल-वाइज रिकंस्ट्रक्शन एरर।
   • Combo-Loss: दृश्यता और मात्रात्मक रूप से बेहतर छवियों की ओर प्रशिक्षण को निर्देशित करने के लिए PSNR-आधारित और SSIM-आधारित लॉस टर्म्स का एक भारित योग ($\alpha=0.5, \beta=0.5$)।
   • Hybrid-Loss: पिक्सेल सटीकता, संरचनात्मक अखंडता और वर्णनात्मक गुणवत्ता के बीच संतुलन बनाने वाला एक भारित संयोजन ($0.7L1 + 0.2LSSIM + 0.1LPSNR$)।
3. SR-FT (Fine-tuning): प्री-ट्रेंड SR मॉडलों को एक संयुक्त लॉस फंक्शन ($L_{merged} = L_{SR} + L_{CLS}$) का उपयोग करके फाइन-ट्यून किया जाता है। यह चरण एक वर्गीकरण-निर्देशित उद्देश्य पेश करता है जहाँ SR मॉडल को न केवल पुनर्निर्माण निष्ठा (reconstruction fidelity) के लिए, बल्कि यह सुनिश्चित करने के लिए भी अनुकूलित किया जाता है कि छवियां सटीक वर्गीकरण भविष्यवाणियां प्रदान करें। वर्गीकरण लॉस ($L_{CLS}$) को SR-जनित छवियों के अनुमानित लेबल और HR छवियों के ग्राउंड-ट्रुथ लेबल के बीच मीन स्क्वेर्ड एरर (MSE) के रूप में गणना किया जाता है। महत्वपूर्ण रूप से, इस चरण के दौरान क्लासिफायर्स के फीचर एक्सट्रैक्शन लेयर्स को विशिष्ट SAR डोमेन के अनुकूल होने के लिए ट्रेन करने योग्य रखा जाता है।

प्रमुख योगदान

• नवीन लॉस फंक्शन: "Combo-Loss" और "Hybrid-Loss" का परिचय, जिन्हें कई इमेज क्वालिटी मेट्रिक्स को एकीकृत करके SR प्रशिक्षण को निर्देशित करने के लिए डिज़ाइन किया गया है।
• एकीकृत वर्गीकरण-जागरूक फ्रेमवर्क: एक कार्यप्रणाली जो स्पष्ट रूप से SR प्रशिक्षण लूप में वर्गीकरण फीडबैक को शामिल करती है, जिससे अनुकूलन का ध्यान शुद्ध पिक्सेल पुनर्निर्माण से हटकर कार्य-प्रासंगिक फीचर संरक्षण की ओर स्थानांतरित हो जाता है।
• अनुभवजन्य सत्यापन (Empirical Validation): एक व्यवस्थित प्रदर्शन कि वर्गीकरण मेट्रिक्स के साथ SR अनुकूलन को संरेखित करने से पारंपरिक पिक्सेल-केंद्रित प्रशिक्षण की तुलना में उच्च डाउनस्ट्रीम वर्गीकरण सटीकता प्राप्त होती है, भले ही इसके परिणामस्वरूप थोड़े कम PSNR/SSIM स्कोर हों।

परिणाम
OpenSARShip डेटासेट पर किए गए प्रयोग कई प्रमुख निष्कर्षों को प्रकट करते हैं:

• मेट्रिक्स का विचलन (Divergence of Metrics): इमेज क्वालिटी मेट्रिक्स और वर्गीकरण प्रदर्शन के बीच एक स्पष्ट विचलन है। PSNR/SSIM के लिए अनुकूलित मॉडल (SR-PT) हमेशा सर्वोत्तम वर्गीकरण परिणाम नहीं देते हैं।
• फाइन-ट्यूनिंग की श्रेष्ठता: SR-FT चरण ने सभी लॉस फंक्शनों में SR-PT चरण की तुलना में F1-स्कोर में लगातार सुधार किया। उदाहरण के लिए, Combo-Loss के साथ RCAN मॉडल ने अपने F1-स्कोर को 61.18% (SR-PT) से बढ़ाकर 63.41% (SR-FT) कर दिया।
• लॉस फंक्शन की प्रभावकारिता: जबकि L1-loss पर्याप्त प्रदर्शन करता था, Combo और Hybrid लॉस ने वर्गीकरण-जागरूक फाइन-ट्यूनिंग के लिए एक मजबूत आधार प्रदान किया, क्योंकि वे जहाज भेदभाव के लिए प्रासंगिक संरचनात्मक और वर्णनात्मक संकेतों को बेहतर ढंग से संरक्षित करते हैं।
• मॉडल प्रदर्शन: SR मॉडलों में से, RCAN और CARN ने वर्गीकरण कार्यों में EDSR को पछाड़ दिया, जिसका कारण संभवतः उनके एडेप्टिव मैकेनिज्म (जैसे, चैनल अटेंशन) हैं जो उन्हें क्लास-प्रासंगिक फीचर्स पर ध्यान केंद्रित करने में मदद करते हैं। क्लासिफायर्स में से, VGG16 ने उच्चतम औसत F1-स्कोर प्राप्त किया।
• अटेंशन शिफ्ट (Attention Shift): Grad-CAM विज़ुअलाइज़ेशन संकेत देते हैं कि जबकि SR-I और SR-PT मॉडल अक्सर बैकग्राउंड या नॉइज़ी क्षेत्रों पर ध्यान केंद्रित करते हैं, SR-FT मॉडल जहाज की संरचना के अनुरूप सघन, लक्ष्य-केंद्रित एक्टिवेशन उत्पन्न करते हैं।

महत्व
यह पेपर दावा करता है कि इसका प्राथमिक महत्व SAR इमेजरी में इमेज रिकंस्ट्रक्शन फिडेलिटी और कार्य-विशिष्ट प्रदर्शन के बीच के अंतर को संबोधित करने में निहित है। यह प्रदर्शित करता है कि SAR जहाज वर्गीकरण के लिए, शुद्ध पिक्सेल-स्तरीय सटीकता को अधिकतम करने के बजाय भेदभावपूर्ण स्कैटरिंग विशेषताओं को संरक्षित करना अधिक महत्वपूर्ण है। वर्गीकरण उद्देश्यों को सीधे SR प्रक्रिया में एकीकृत करके, प्रस्तावित फ्रेमवर्क ऐसी सुपर-रिज़ॉल्यूशन इमेजरी तैयार करता है जो दृश्य निष्ठा और, अधिक महत्वपूर्ण रूप से, डाउनस्ट्रीम वर्गीकरण सटीकता को बनाए रखती है। यह दृष्टिकोण SAR डेटा प्रोसेसिंग के लिए एक नया प्रतिमान (paradigm) प्रदान करता है जहाँ अंतिम लक्ष्य केवल वर्णनात्मक गुणवत्ता के बजाय विश्लेषणात्मक कार्यों में सुधार करना है।