- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于ResNet的SAR目标识别小样本学习优化
摘要： 深度卷积神经网络（CNN）是深度学习的重要分支。凭借其强大的特征提取能力，CNN模型已被引入解决合成孔径雷达自动目标识别（SAR-ATR）问题。然而，标注的SAR图像难以获取，因此如何从小样本数据集中获得良好的识别结果是我们主要关注的问题。理论上，更深的网络能带来更好的训练效果，但同时也给训练过程带来更多困难，尤其是在标注训练数据有限的情况下。近年来提出的残差学习能有效缓解这一问题。本文采用深度残差网络，并在构建?？橹幸雂ropout层以减轻有限SAR数据导致的过拟合。为提升训练效果，我们采用新的损失函数中心损失，并与softmax损失结合作为监督信号来训练深度CNN。实验结果表明，在不使用数据增强或预训练的情况下，该方法使用全部训练数据可实现99.67%的分类准确率；当训练数据集缩减至20%时，仍能获得高于94%的识别结果。
关键词： 中心损失，自动目标识别（ATR），有限标注数据，卷积神经网络（CNN），合成孔径雷达（SAR），残差学习
更新于2025-09-10 09:29:36
-
SAR图像中二面角反射器的耦合散射特性分析
摘要： 过去几十年中，二面角反射器的散射机制引起了广泛关注。然而，关于二面角散射中心的研究尚未形成系统论述。本文基于多边形板的散射特性与射线追踪技术，详细分析了二面角的多重反射散射机制。进一步提出耦合散射中心（CSC）概念，用以阐释二面角多重反射散射机理，并依据单/双基地等效定理（MBET）推导出高分辨率距离像（HRRP）中CSC的分布位置。该耦合散射中心能精确描述目标结构特征，可提升雷达目标识别能力。最后通过电磁计算仿真验证了理论分析的正确性。
关键词： 耦合散射中心（CSC）、二面角反射器、自动目标识别（ATR）、合成孔径雷达（SAR）
更新于2025-09-04 15:30:14
-
基于旋转平移不变小波散射卷积网络的合成孔径雷达自动目标识别
摘要： 合成孔径雷达（SAR）自动目标识别算法包含特征提取与分类两个阶段。所提取特征的质量对最终分类性能具有重要影响。本文提出一种基于小波散射卷积网络的SAR自动目标分类方法：通过引入具有复数小波滤波器的深度散射卷积网络，在空间和角度变量上无需训练数据即可提取跨多尺度、多角度的鲁棒特征表示。后续采用常规降维与支持向量机分类器完成分类任务。该方法在运动与静止目标获取与识别（MSTAR）基准数据集上进行测试，在无数据增强的情况下对十类目标分类达到97.63%的平均准确率。
关键词： 自动目标识别（ATR）、小波变换、散射卷积网络、旋转平移不变性、合成孔径雷达
更新于2025-09-04 15:30:14