تعاني صور رادار الفتحة التركيبية SAR (Synthetic Aperture Radar) من تشويش ضوضائي بالتداخل الطوري المطبق، مما يجعل من الصعب التقاط العلاقات بين الكائنات المعقدة بدقة، وبالتالي فإن مهمة استخراج الأهداف من صور SAR تمثل تحدياً كبيراً. تواجه طرق استخراج الأهداف العميقة الحالية مشاكل في الدقة بسبب ضوضاء التشويش والتأثيرات المعقدة للكائنات. لذلك، يقترح هذا البحث شبكة Transformer تعتمد على التعاون الترددي-المكاني باسم S3T-Net (شبكة التحويل الترددي-المكاني التعاوني) لاستخراج الأهداف النموذجية لصور SAR بدقة عالية. تجمع هذه الشبكة بين وحدة ترميز ترددية ووحدة ترميز مرئية Transformer (ViT) لاستخراج ودمج ميزات صور SAR، حيث تستخدم وحدة الترميز الترددية تحويلة الموجات الصغيرة المتقطعة (DWT) للخفض العيني، والاهتمام الثنائي الترددي الهرمي SHDA (Spectral-hierarchical dual-domain attention) لالتقاط التفاصيل النصية المحلية وتقليل الحساسية للضوضاء في المجال الترددي، في حين تستعين وحدة الترميز ViT بآلية الانتباه الذاتي العالمية لفهم الهيكل الكلي للصورة والعلاقات البعيدة. بالإضافة إلى ذلك، يستخدم البحث دمج ميزات مقيدة تعاونية SWFC (Synergistic weighted feature confluence) لدمج معلومات وحدات الترميز الثنائية، ويصمم وحدة تحسين تكرارية تردد-مكانية RFSR (Recursive frequency-space refinement) لتقليل التشويش أثناء عملية الترقي وعمل تحسين لحواف الأهداف. أظهرت التجارب على ثلاث مجموعات بيانات عامة لأهداف SAR وهي SARBuD (المباني)، HRSID (السفن)، وFRBS (تسرب النفط) أن الطريقة المقترحة تتفوق على عدة نماذج حديثة ذات أداء متقدم (SoTA) في مؤشرات مثل معامل Dice، مع تقدم بنسبة 0.52٪، 0.62٪، و1.04٪ في مجموعات البيانات الثلاث على التوالي. في المجمل، يمكن لطريقة التعاون الترددي-المكاني أن تعزز بشكل فعال القدرة على التقاط معلومات الكائنات في بيئات عالية التشويش، مما يوفر مساراً جديداً ودعماً نظرياً لمهمة استخراج الأهداف في صور SAR.

صور SAR; استخراج الأهداف; التعلم العميق، كبت الضوضاء; التعاون الترددي-المكاني; Transformer