基于底向散射信息感知网络的合成孔径雷达目标识别
计算机视觉与模式识别
2025-04-08 v1
摘要
目前，基于合成孔径雷达(SAR)图像的深度学习方法在目标识别任务中得到了广泛研究。现有的深度方法不足以感知和挖掘SAR图像的散射信息，导致性能瓶颈和算法鲁棒性差。为此，本文提出一种新颖的底向散射信息感知网络，通过构建专为SAR图像设计的解释网络来实现更具可解释性的目标识别。首先，提出局部散射感知器来取代基于CNN网络的骨干特征提取器，以深入挖掘目标的底层散射信息。然后，提出一种无监督散射部分特征提取模型，以稳健地表征目标散射部分信息并提供细粒度的目标表征。最后，通过聚合目标各部分的知识以形成完整的目标描述，可提高模型的可解释性和判别能力。我们在FAST-Vehicle数据集和SAR-ACD数据集上进行实验，以验证所提方法的性能。
引用
@article{arxiv.2504.04780,
title = {Bottom-Up Scattering Information Perception Network for SAR target recognition},
author = {Chenxi Zhao and Daochang Wang and Siqian Zhang and Gangyao Kuang},
journal= {arXiv preprint arXiv:2504.04780},
year = {2025}
}