基于多尺度注意力CNN的SAR遥感目标识别 *

陈 禾, 张心怡, 李 灿, 庄 胤

(1. 北京理工大学信息与电子学院雷达技术研究所， 北京 100081； 2. 嵌入式实时信息处理技术北京市重点实验室， 北京 100081)

0 引言

合成孔径雷达(Synthetic Aperture Radar，SAR)是一种基于多平台的主动式对地观测系统，不受光照和气候条件的制约，具有全天时、全天候、高分辨、大幅宽等多种特点[1-2]。经历60多年的发展，合成孔径雷达成像技术已经逐渐成熟，高分辨SAR图像的数据获取能力得到了显著的提高，为SAR图像的智能化应用奠定了基础。上世纪80年代，林肯实验室提出了SAR自动目标识别(SAR ATR)系统的一般流程，将其分为了检测、鉴别和识别三个阶段。识别是SAR ATR的最后一个阶段，SAR图像经过检测与鉴别后，大部分的杂波虚警已被滤除，剩下的主要工作就是对目标切片进行分类识别。本文主要围绕SAR图像目标识别这一环节展开研究，实现对SAR遥感图像的高精度智能化判读。

目标识别往往是在特征空间中进行分类，因此能否提取到图像的有效特征是决定识别结果好坏的关键因素。近年来国内外的学者开展了大量研究，根据其提取特征的方法可分为两大类：1)基于人工特征描述的方法;2)基于深度学习卷积神经网络的方法。

基于人工特征描述的方法需要人工设计并选取具有判别性的特征。丁柏圆[3]等人提取了SAR图像和模板的属性散射中心，综合考虑不同散射中心对于匹配度的贡献及其虚警和漏警对最终匹配度的影响，设计了一种度量散射中心匹配度方法。康妙[4]等人提取了SAR图像的25种基线特征和局部纹理特征，将其串联输入栈式自编码器网络进行融合，最后利用softmax进行分类。……