雷达学报

作者：王智睿, 赵良瑾, 汪越雷, 曾璇, 康健, 杨健, 孙显

单位：1.中国科学院空天信息创新研究院 北京 100094；2.中国科学院大学 北京 100049；3.中国科学院大学电子电气与通信工程学院 北京 100049；4.目标认知与应用技术国家级重点实验室 北京 100190；5.苏州大学电子信息学院 苏州 215006；6.清华大学电子工程系 北京 100084；

关键词：极化合成孔径雷达, 公开数据集, 复数图像, 地物分类, 深度学习

基金：国家自然科学基金(62331027)

极化合成孔径雷达(PolSAR)地物分类是SAR图像智能解译领域的研究热点之一。为了进一步促进该领域研究的发展，该文组织并发布了一个面向大规模复杂场景的极化SAR地物分类数据集AIR-PolSAR-Seg-2.0。该数据集由三景不同区域的高分三号卫星L1A级复数SAR影像构成，空间分辨率8 m，包含HH, HV, VH和VV共4种极化方式，涵盖水体、植被、裸地、建筑、道路、山脉等6类典型的地物类别，具有场景复杂规模大、强弱散射多样、边界分布不规则、类别尺度多样、样本分布不均衡的特点。为方便试验验证，该文将三景完整的SAR影像裁剪成24,672张512像素×512像素的切片，并使用一系列通用的深度学习方法进行了实验验证。实验结果显示，基于双通道自注意力方法的DANet性能表现最佳，在幅度数据和幅相融合数据的平均交并比分别达到了85.96%和87.03%。该数据集与实验指标基准有助于其他学者进一步展开极化SAR地物分类相关研究。

来源：2025年第2期

《雷达学报》期刊编辑部

查看雷达学报杂志2025年第2期