重构SAR ATR：面向目标感知的频率-空间增强框架及抗噪知识引导
计算机视觉与模式识别
2026-03-24 v1 人工智能
摘要
合成孔径雷达自动目标识别(SAR ATR)在海洋导航和灾害监测中具有重要重要性。然而，SAR 图像中固有的相干散粒噪声常常掩盖显著目标特征，导致识别准确率下降和模型泛化受限。为此，本文提出一种面向SAR目标识别的目标感知频率-空间增强框架，搭配抗噪知识引导(FSCE)。该框架包含频率-空间浅层特征自适应增强模块(DSAF)，通过空间多尺度卷积和频域小波卷积处理浅层特征。此外，采用教师-学生学习范式结合在线知识蒸馏方法(KD)，以引导学生网络更有效地聚焦于目标区域，从而增强其对高噪声背景的鲁棒性。通过注意力传递和抗噪表征学习的协同优化，本文提出的方法显著提高了在噪声条件下目标识别的稳定性。基于FSCE框架，本文开发了两个侧重性能不同的网络结构：轻量级DSAFNet-M和高精度DSAFNet-L。在MSTAR、FUSARShip和OpenSARShip数据集上进行了大量实验。结果表明，DSAFNet-L在三个数据集上实现了与各种方法相当或更好的性能；DSAFNet-M在保持可comparable准确率的同时显著降低了模型复杂度。这些结果表明，本文提出的FSCE框架具有强大的跨模型泛化能力。
引用
@article{arxiv.2603.21565,
title = {Rethinking SAR ATR: A Target-Aware Frequency-Spatial Enhancement Framework with Noise-Resilient Knowledge Guidance},
author = {Yansong Lin and Zihan Cheng and Jielei Wang and Guoming Lua and Zongyong Cui},
journal= {arXiv preprint arXiv:2603.21565},
year = {2026}
}