高飞， 赵洁琼， 林翀， 陈浩然

(北京理工大学 信息与电子学院，北京 100081)

合成孔径雷达(synthetic aperture radar，SAR)是一种能构建接近光学成像传感器高分辨率图像的相干成像雷达，已广泛应用于国防军事、遥感探测等多个领域.军事领域中，经常利用SAR图像对特定军事目标进行探测和识别[1].由于SAR图像在成像原理、辐射特征、几何特征等方面不同于一般光学图像，在其成像过程中会受到地物回波信号的随机影响，产生的相干斑噪声直接降低图像质量，且由于雷达波反射的不均匀造成图像分辨率下降、目标边缘模糊[2]等问题.与此同时，在SAR图像识别领域，由于目标探测手段上的困难，通常难以获取足够数量的SAR图像样本，进而给图像识别带来挑战.基于上述特点，对SAR图像目标识别的研究主要包括特征提取和分类设计[3-4].传统目标识别方法中一般根据图像纹理特征，使用支持向量机(support vector machines，SVM)的方法对图像进行分类[5]，或使用改进的决策树进行SAR图像分类[6]等.Gupta等[7]使用随机森林法融合了SAR图像的纹理特征、SAR观测特征、统计特征和颜色特征进行土地覆盖分类.以上方法依赖于人为设计图像特征，该过程易受图像噪声、方位角等多种因素影响，且在处理不同类别间图像相似度高的任务中，传统识别方法无法准确识别各类图像.基于KNN的合成孔径雷达目标识别中[8]将非参数分类的KNN算法应用于SAR目标识别，此类方法在样本不平衡时易将容量小的样本归类到容量大的样本中.深度学习……