软分段随机化：增强合成到实测 SAR-ATR 的领域泛化能力

合成孔径雷达技术对于在各种条件下进行高分辨率成像至关重要；然而，由于高成本和数据可用性问题，获取用于基于深度学习的自动目标识别的真实世界合成孔径雷达数据仍然具有挑战性。为了克服这些挑战，已经采用了通过模拟生成的合成数据，尽管合成数据与真实数据之间的差异会降低模型性能。在本研究中，我们引入了一种新颖的框架——软分段随机化，旨在减少领域差异并提高合成孔径雷达自动目标识别模型的泛化能力。软分段随机化框架应用高斯混合模型对目标和杂波区域进行软分割，引入随机变化，使合成数据的统计特性更紧密地与真实世界数据的统计特性对齐。实验结果表明，所提出的软分段随机化框架显著增强了模型在实测合成孔径雷达数据上的性能，使其成为在无法获取或仅能有限获取实测数据场景下进行鲁棒自动目标识别的有前景的方法。