融合特征金字塔和自注意力机制的SAR三维点云目标识别方法

来源：信号处理杂志 2025年第1期北京时间：

作者：管浩良, 张广滨, 王岩

摘要：合成孔径雷达（Synthetic Aperture Radar， SAR）能够获取目标散射特征图像，是目标识别的重要途径，但传统SAR二维图像存在高度维叠掩问题，严重影响目标识别精度。SAR三维成像通过多次观测在高度维形成合成孔径、提高分辨率，能够区分叠掩目标，是SAR领域的前沿方向。由于SAR三维图像采用间隔不定、无序排列的点云数据格式，而基于卷积神经网络架构的SAR二维方法聚焦等间隔、固定排列的像素数据格式，难以直接扩展至SAR三维点云识别。现有SAR三维识别方法将光学识别网络直接迁移，但由于SAR三维图像具有点云稀疏、散射强度分布不均匀等特征，而光学识别网络多面向稠密点云，且通常难以充分利用散射强弱信息，导致在SAR三维识别应用中性能下降。为此，本文提出一种融合特征金字塔和自注意力机制的SAR三维点云目标识别神经网络。该方法利用特征金字塔构建并融合多层级特征，同时提升对点云浅层特征和深层特征的利用能力，解决SAR三维点云稀疏导致的信息损失问题；利用自注意力机制自适应调整目标点云局部语义联系，增强网络对强散射区域特征提取能力，降低弱散射区域特征的影响，解决SAR三维点云散射强度分布不均匀导致网络目标识别精度下降问题。搭建微波暗室缩比成像系统，采集8类地面车辆目标三维数据制作数据集，开展目标识别性能对比实验、消融实验与特征低维可视化实验，实验结果验证了所提方法在识别精度上的优势。

关键词：‍‍合成孔径雷达, 三维识别, 点云稀疏, 散射强度分布不均匀, 特征金字塔, 自注意力机制