一种有限实测样本条件下SAR目标识别方法

作者：孙晓坤; 陈洋; 胡粲彬^*; 项德良

来源：北京航空航天大学学报, 2023, 1-12.

DOI：10.13700/j.bh.1001-5965.2023.0648

• 合成孔径雷达
• 自动目标识别
• 神经网络
• 迁移学习

深度学习在合成孔径雷达(SAR)自动目标识别(ATR)领域中应用广泛。针对SAR图像的成像特点以及标记样本有限的问题，提出基于深度特征融合模型的迁移学习方法。利用卷积神经网络和图神经网络分别提取图像域上的全局特征和属性散射特征，将两支网络提取得到的特征进行融合，融合后的特征能充分利用SAR图像的幅值和相位信息来完成SAR目标的识别分类。通过全仿真SAR数据预训练得到网络的模型参数，在训练阶段采用投影梯度下降的对抗训练算法来提升模型的对抗鲁棒性。最后结合迁移学习的思想，利用有限实测数据对预训练模型进行迭代微调。实验结果表明，该方法在完全缺少实测样本条件下达到94.43%的识别率，同时该方法能有效提升有限实测样本条件下SAR目标识别的精度。

• 单位
  北京化工大学