揭示 SAR 自动目标识别中的因果性：一种面向有限数据的因果干预方法
图像与视频处理
2023-08-21 v1
摘要
合成孔径雷达自动目标识别（SAR ATR）方法在训练数据有限时表现不佳。本文中，我们提出一种因果干预 ATR 方法（CIATR）来表述有限 SAR 数据问题，这有助于我们揭示 ATR 中关键因子之间长期难以捉摸的因果性，从而在不改变成像条件下追求期望的因果效应。我们利用因果推断构建结构因果模型（SCM），以理解在 SAR 数据有限时成像条件如何作为混杂因子引入虚假相关。SAR 图像与预测类别之间的这种虚假相关可通过常规后门调整从根本上解决。我们提出一种后门调整的有效实现：首先利用空频域混合变换的数据增强来估计变化的成像条件对 SAR 图像的潜在影响；随后，引入一种带混合相似性度量的特征判别方法，以衡量并缓解变化的成像条件对从 SAR 图像提取特征的结构与向量角度影响。因此，即便 SAR 数据有限，我们的 CIATR 也能追求 SAR 图像与相应类别间的真实因果性。在运动与静止目标获取与识别（MSTAR）及 OpenSARship 数据集上的实验与对比显示了我们的方法在有限 SAR 数据下的有效性。
引用
@article{arxiv.2308.09396,
title = {Unveiling Causalities in SAR ATR: A Causal Interventional Approach for Limited Data},
author = {Chenwei Wang and Xin Chen and You Qin and Siyi Luo and Yulin Huang and Jifang Pei and Jianyu Yang},
journal= {arXiv preprint arXiv:2308.09396},
year = {2023}
}