PCM-SAR：物理驱动的对比互学习用于SAR分类
计算机视觉与模式识别
2025-04-15 v1 机器学习
摘要
现有基于对比学习的SAR图像分类方法通常依赖为光学图像设计的样本生成策略，未能捕捉SAR数据的独特语义和物理特性。为此，我们提出物理驱动的对比互学习用于SAR分类（PCM-SAR），该方法融入领域特定的物理洞察以改进样本生成和特征提取。PCM-SAR利用灰度共生矩阵（GLCM）模拟真实噪声模式，并应用语义检测进行无监督局部采样，确保生成的样本准确反映SAR成像特性。此外，基于互学习的多级特征融合机制能够协同优化特征表示。值得注意的是，PCM-SAR通过优化SAR特征表示显著增强较小模型，弥补其容量有限的不足。实验结果表明，PCM-SAR在不同数据集和SAR分类任务上持续优于SOTA方法。
引用
@article{arxiv.2504.09502,
title = {PCM-SAR: Physics-Driven Contrastive Mutual Learning for SAR Classification},
author = {Pengfei Wang and Hao Zheng and Zhigang Hu and Aikun Xu and Meiguang Zheng and Liu Yang},
journal= {arXiv preprint arXiv:2504.09502},
year = {2025}
}