采用深度学习的多方位角SAR图像目标识别研究

摘要：

合成孔径雷达(Synthetic Aperture Radar,SAR)在对地面目标进行观测时,可以在多个不同的方位角获取到目标的SAR图像,但这些图像中目标的形态各不相同.考虑到SAR图像对观测方位角极其敏感和SAR图像数据规模小这两个因素,本文设计了一个利用多方位角SAR图像进行目标识别的卷积神经网络(Convolutional Neural Network,CNN),同一目标的3幅SAR图像被当作一幅伪彩色图像输入到网络中,充分利用了SAR图像数据的获取特点,同时用池化层替代了展平操作,降低了网络参数数量.实验结果表明,即便在小规模SAR数据集上,该卷积网络具有识别精度高的特点,对同类别不同型号的目标也具有出色的识别表现.

关键词：深度学习、多方位角、目标识别、合成孔径雷达

所属期刊栏目：34

分类号：TP753(遥感技术)

资助基金：国家自然科学基金资助项目61431018,61571421,61571419,61501210

在线出版日期：2018-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：513-522