雷达学报

作者：吕艺璇, 王智睿, 王佩瑾, 李盛阳, 谭洪, 陈凯强, 赵良瑾, 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.中国科学院网络信息体系技术科技创新重点实验室 北京 100190；5.中国科学院空间应用工程与技术中心 北京 100094；6.中国科学院太空应用重点实验室 北京 100094；

关键词：合成孔径雷达(SAR), 飞机目标识别, 元学习, 散射信息

基金：国家自然科学基金(61725105, 62076241)

SAR图像由于数据获取难度大，样本标注难，目标覆盖率不足，导致包含地理空间目标的影像数量稀少。为了解决这些问题，该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究。针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况，设计散射关联分类器，对飞机目标的离散程度量化建模，通过不同目标离散分布的差异来动态调整样本对的权重，指导网络学习更具有区分性的类间特征表示。考虑到SAR目标成像易受背景噪声的影响，设计了自适应特征细化模块，促使网络更加关注飞机的关键部件区域，减少背景噪声干扰。该文方法有效地将目标散射分布特性与网络的自动学习过程相结合。实验结果表明，在5-way 1-shot的极少样本新类别识别任务上，该方法识别精度为59.90%，相比于基础方法提升了3.85%。减少一半训练数据量后，该方法在新类别的极少样本识别任务上仍然表现优异。

来源：2022年第4期

《雷达学报》期刊编辑部

查看雷达学报杂志2022年第4期