雷达学报

作者：贾赫成, 蒲欣洋, 王燕妮, 符士磊, 徐丰

单位：电磁波信息科学教育部重点实验室 复旦大学 上海 200433；

关键词：合成孔径雷达(SAR), 可微分SAR渲染器(DSR), 卷积神经网络(CNN), 三维重建, 多视角样本生成

基金：国家自然科学基金(61991422)

合成孔径雷达(SAR)因其全天候、全天时的监测能力在民用和军事领域得到广泛应用。近年来，深度学习已被广泛应用于SAR图像自动解译。然而，由于卫星轨道和观测角度的限制，SAR目标样本面临视角覆盖率不全的问题，这为学习型SAR目标检测识别算法带来了挑战。该文提出一种融合可微分渲染的SAR多视角样本生成方法，结合逆向三维重建和正向渲染技术，通过卷积神经网络(CNN)从少量SAR视角图像中反演目标三维表征，然后利用可微分SAR渲染器(DSR)渲染出更多视角样本，实现样本在角度维的插值。另外，方法的训练过程使用DSR构建目标函数，无需三维真值监督。根据仿真数据的实验结果，该方法能够有效地增加多视角SAR目标图像，并提高小样本条件下典型SAR目标识别率。

来源：2024年第2期

《雷达学报》期刊编辑部

查看雷达学报杂志2024年第2期