基于散射信息和元学习的SAR图像飞机目标识别

TP753; SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少.为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究.针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示.考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰.该文方法有效地将目标散射分布特性与网络的自动学习过程相结合.实验结果表明,在5-way 1...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 11; no. 4; pp. 652 - 665
Main Authors 吕艺璇, 王智睿, 王佩瑾, 李盛阳, 谭洪, 陈凯强, 赵良瑾, 孙显
Format Journal Article
LanguageChinese
Published 中国科学院大学电子电气与通信工程学院 北京 100049%中国科学院空天信息创新研究院 北京 100094 01.08.2022
中国科学院大学 北京 100049
中国科学院空间应用工程与技术中心 北京 100094
中国科学院大学电子电气与通信工程学院 北京 100049
中国科学院网络信息体系技术科技创新重点实验室 北京 100190%中国科学院大学 北京 100049
中国科学院太空应用重点实验室 北京 100094%中国科学院空天信息创新研究院 北京 100094
中国科学院空天信息创新研究院 北京 100094
中国科学院网络信息体系技术科技创新重点实验室 北京 100190
Subjects
元学习
合成孔径雷达(SAR)
飞机目标识别
散射信息
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR22044

Cover

More Information
Summary:TP753; SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少.为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究.针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示.考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰.该文方法有效地将目标散射分布特性与网络的自动学习过程相结合.实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90％,相比于基础方法提升了3.85％.减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异.
ISSN:2095-283X
DOI:10.12000/JR22044