用于SAR遥感图像车辆型谱级识别的高阶特征表示多尺度残差卷积网络

来源：信号处理杂志 2021年第3期北京时间：

作者：陈禾, 李灿, 庄胤, 杜海琳, 龙腾

摘要：合成孔径雷达（Synthetic Aperture Radar, SAR）对地观测具有覆盖面积广、多极化、多分辨率、全天时全天候观测的特点，被广泛应用于智能化监测系统。随着SAR遥感图像分辨率的提升，目标型谱级识别成为了一项挑战。本文使用聚束成像模式下10种型号车辆的0.3米分辨率、HH极化、多方位角的观测数据，针对型号类间差异小而导致的传统分类算法性能较差的问题，提出了多尺度特征提取残差结构，并结合高阶特征表示提升了深度卷积网络的分类性能，实现了高精度的SAR遥感图像车辆型谱级识别。所提出的方法在公开的MSTAR数据集上开展了详细的实验验证，结果表明本文提出的方法优于现有的智能化分类算法，对10种型号车辆目标识别的总体精度（Overall Accuracy, OA）达到了99.88%。

关键词：SAR遥感图像, 车辆型谱级识别, 多尺度高阶特征表示, 深度卷积网络