吴桐，刘云清，姜淑华

（长春理工大学 电子信息工程学院，长春 130022）

合成孔径雷达（SAR）是一种以航天飞机、人造卫星等载体为基础的高分辨率成像雷达，不容易受到光照及天气情况的影响，具有高穿透力的特点[1]。目前，SAR己广泛应用于军事目标侦察[2]、地球科学[3]、环境系统监测[4]等国防和国民经济领域。然而，随着SAR成像技术的成熟，SAR系统获得的数据越来越多，如何从海量的数据中获取感兴趣的目标已成为一个热点问题。

邵桢等人[5]提出通过将嵌入空间信息的模糊聚类算法与水平集方法相结合来识别海洋溢油污染的SAR图像。张婷等人[6]提出了一种基于属性散射中心匹配的鲁棒SAR图像目标识别方法。该方法首先利用稀疏表示方法提取SAR图像的目标属性散射中心。然后，利用匈牙利算法建立测试样本的散点集与模板散点集的一一对应关系，通过评价匹配对的属性差异和可能出现的虚警和漏警，得到两组属性散射中心的相似度。最后，根据最大相似度原理确定测试样本的SAR图像的目标类别。杨佐龙等人[7]采用二维线性决策分析方法，在行和列方向同时压缩图像矩阵进行特征提取，并结合支持向量机对SAR图像分类识别。这些方法虽然能很好地识别SAR图像目标，但是提取SAR图像特征时往往依赖专业知识和手工设计，且特征设计费时，并且提取的特征往往只对特定识别任务有效，识别模型的泛化能力较差。

卷积神经网络（CNN）的兴起，为SAR图像识别开辟了新的方向。……