基于SAR仿真图像的地面车辆非同源目标识别

摘要

充分的合成孔径雷达(synthetic aperture radar,SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键,基于实际测量获取充分SAR数据是不现实的,基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径.SAR仿真图像与实测图像为非同源数据,由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异,会影响识别性能.针对这一问题,首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像,再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR买测数据的非同源SAR目标识别性能对比分析.实验结果表明,直接使用SAR仿真数据无法实现对实测SAR数据有效识别,而线性/非线性特征变换可以改善非同源SAR目标识别性能,一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题.