一種多視角SAR圖像目標識別方法*

陳 婕，潘 潔，楊小英，陳海媚，廖志平

(桂林信息科技學院 機電工程系,廣西 桂林 541004)

0 引 言

合成孔徑雷達(Synthetic Aperture Radar，SAR)可獲取高分辨率圖像，用于地表觀測、地質勘測、情報解譯等應用[1-2]。傳統的SAR目標識別主要針對單一視角的圖像，通過特征提取和分類器的結合進行分類確認。文獻[3-5]分別采用主成分分析(Principal Component Analysis，PCA)、單演信號以及屬性散射中心作為基礎特征設計目標識別方法，文獻[6-7]則是基于深度學習模型即卷積神經網絡(Convolutional Neural Network，CNN)進行SAR目標識別。

與單視角方法相比，多視角SAR目標識別方法基于同一目標的不同視角圖像，通過它們之間的互補提高識別性能。從現有文獻來看，多視角方法主要采用兩種思路。一種是“獨立分類+決策融合”。這類方法將每個視角視為獨立的信息源，按照單視角決策的過程獲得分類結果，然后采用決策融合綜合不同視角的結果獲得最終的決策[8-9]。例如，文獻[8]采用支持向量機(Support Vector Machine，SVM)分別對不同視角SAR圖像進行分類，然后根據投票機制獲得融合決策結果。文獻[9]同樣采用SVM作為基礎分類器，但對不同視角的決策結果進行了可靠性篩選，只有通過篩選的視角進入后續的貝葉斯融合決策。另一種是“聯合表征+分類”。得益于多任務學習算法的提出，可在統一表征框架下對不同視角的SAR圖像進行分析，然后進行決策[10-13]。文獻[10]首次將聯合稀疏表示模型引入SAR圖像多視角分類并驗證其有效性。文獻[11]在此基礎上增加了視角篩選，認為只有鑒別力強的視角才能參加聯合表征。……