合成開口レーダー（SAR：Synthetic Aperture Radar）画像には固有のコヒーレンススポット雑音干渉が存在し、複雑な地物間の関係を正確に捉えることが困難であるため、SAR画像のターゲット抽出タスクは非常にチャレンジングである。既存の深層学習に基づくターゲット抽出手法は、コヒーレンススポット雑音および複雑な地物の影響下で精度不足の問題がある。そこで本研究では、周波数領域と空間領域の協調に基づくTransformerネットワークS3T-Net（Spectral-spatial synergetic transformer network）を提案し、SAR画像の典型的なターゲットの高精細抽出を行う。本ネットワークは周波数領域符号化ユニットと視覚Transformer（ViT）符号化ユニットの二重符号化ユニットを組み合わせてSAR画像の特徴を抽出・融合する。周波数領域符号化ユニットは離散ウェーブレット変換（DWT）によるダウンサンプリングと、周波数－階層的二重領域注意機構SHDA（Spectral-hierarchical dual-domain attention）により周波数領域でSAR画像の局所的なテクスチャ詳細を捉え、ノイズに対する感度を低減する。一方、ViT符号化ユニットはそのグローバルな自己注意機構を用いて画像の全体構造と遠距離依存関係を理解する。さらに、本研究では協調加重特徴融合SWFC（Synergistic weighted feature confluence）を用いて二重符号化ユニット情報を統合し、再帰的周波数－空間細化RFSR（Recursive frequency-space refinement）モジュールを設計し、アップサンプリング過程でのノイズ干渉を削減しターゲット境界を最適化する。SARBuD（建物）、HRSID（船舶）、FRBS（石油流出）の3種の公開SARデータセットでの実験結果より、本研究で提案した手法がDice係数などの指標で複数の最新最高性能（SoTA）モデルを上回り、これら3種のデータセットでDice係数がそれぞれ0.52％、0.62％、1.04％向上していることを示した。総じて、周波数－空間協調手法は高干渉環境下での地物情報の捕捉能力を効果的に強化し、SAR画像のターゲット抽出タスクに新たな技術的路線と理論的支援を提供する。

SAR画像;ターゲット抽出;深層学習、ノイズ抑制;周波数－空間協調;Transformer