基于机器学习的合成孔径雷达图像分类方法
计算机视觉与模式识别
2025-08-07 v1 数值分析
数值分析
摘要
我们考虑合成孔径雷达 (SAR) 中通过卷积神经网络 (CNN) 识别和分类地面目标的问题。具体而言，我们采用单散射近似方法，利用模拟 SAR 数据及其重建图像对目标形状进行分类，并比较两种方法的效果。随后我们在来自卫星 Sentinel-1 的真实 SAR 影像中识别冰的类型。在两项实验中，我们均实现了令人鼓舞的高分类准确率（75%）。我们的结果表明 CNN 在处理 SAR 数据进行几何和环境分类任务方面具有有效性。我们的研究还探讨了在不同天线高度获取 SAR 数据对成功分类目标能力的影响。
引用
@article{arxiv.2508.04234,
title = {A machine learning approach for image classification in synthetic aperture RADAR},
author = {Romina Gaburro and Patrick Healy and Shraddha Naidu and Clifford Nolan},
journal= {arXiv preprint arXiv:2508.04234},
year = {2025}
}
备注
22 pagesd