基于特征空間結構對齊域自適應的機載SAR自動目標識別方法

摘 要：由于機載合成孔徑雷達（SAR）系統的快速發展和深度學習的廣泛應用，基于卷積神經網絡的SAR圖像自動目標識別技術已經取得了長足的發展。然而，由于真實測量獲得的SAR數據較少，難以滿足深度學習算法對大量訓練樣本的需求，目前已經有研究利用仿真SAR圖像彌補真實SAR圖像樣本較少的缺陷。由于仿真SAR圖像和真實SAR圖像之間的差異，當前的主流研究方法是通過領域自適應（DA）的方法，將真實圖像和仿真圖像映射到相同的特征子空間中，從而提取域不變特征。然而，當前結合DA和仿真圖像的SAR 自動目標識別算法只關注了不同域之間樣本內特征分布的相似度，卻忽視了樣本間的特征分布也包含了一定程度的語義信息。為了解決上述問題，本文提出了一種基于特征空間結構對齊的DA算法，充分挖掘仿真SAR圖像和真實SAR圖像之間共享的語義信息，從而顯著地提升了深度學習模型在少樣本情境下的識別性能。經過充分的試驗和分析，試驗結果證明了本文所提出方法不僅有較高的識別準確率，而且具備較強的泛用性和魯棒性。

關鍵詞：SAR ATR； 域自適應； 特征空間結構對齊； 小樣本學習； SAR仿真

中圖分類號：TP391 文獻標識碼：A DOI：10.19452/j.issn1007-5453.2024.08.008

基金項目： 航空科學基金（20182077008，2018ZC07009）；中央高校基本科研業務費專項資金

近年來，隨著合成孔徑雷達（SAR）載荷的小型化和輕量化，以及信息處理和通信技術的發展，以無人機、小型航天飛機為載體的機載SAR取得了快速發展和廣泛運用。在軍用領域，美軍先后研制裝備了多型無人機載SAR偵察遙測系統，如“全球鷹”系統、“捕食者”系統和“火力偵察兵”系統等，能夠短時、快速地獲取大量高分辨率的SAR圖像?！?br>