2022年  11卷  第1期

合成孔径雷达微波视觉理论与系统
摘要:
合成孔径雷达(SAR)三维成像在复杂地形测绘、复杂环境下目标发现与识别等方面具有重要应用潜力,是当前SAR领域的重要发展方向之一。为推动SAR三维成像技术的发展和应用,中国科学院空天信息创新研究院牵头设计并研制了一套无人机载微波视觉三维SAR实验系统(MV3DSAR),为相关技术研究和验证提供实验平台。目前该系统的单极化版本已研制完成,并在天津开展了首次校飞实验。该文介绍了该系统的基本构成、主要性能以及系统和数据处理的关键技术,给出了首次校飞实验的实施情况以及初步的数据处理结果,验证了系统的基本性能指标和三维成像能力。该系统为后续SAR三维成像数据集构建和处理方法研究提供了良好的实验验证平台。 合成孔径雷达(SAR)三维成像在复杂地形测绘、复杂环境下目标发现与识别等方面具有重要应用潜力,是当前SAR领域的重要发展方向之一。为推动SAR三维成像技术的发展和应用,中国科学院空天信息创新研究院牵头设计并研制了一套无人机载微波视觉三维SAR实验系统(MV3DSAR),为相关技术研究和验证提供实验平台。目前该系统的单极化版本已研制完成,并在天津开展了首次校飞实验。该文介绍了该系统的基本构成、主要性能以及系统和数据处理的关键技术,给出了首次校飞实验的实施情况以及初步的数据处理结果,验证了系统的基本性能指标和三维成像能力。该系统为后续SAR三维成像数据集构建和处理方法研究提供了良好的实验验证平台。
摘要:
“合成孔径雷达微波视觉三维成像”,从概念上说,旨在将“视觉语义”引入到合成孔径雷达的成像模型中,以期提高三维成像的质量。对层析合成孔径雷达(TomoSAR)来说, “视觉语义”的引入可望有效减少TomoSAR所需的观测次数。然而,什么是“视觉语义”?从视觉感知的途径看, “单眼”和“双眼”均可以从场景感知三维结构信息;从场景内容看,不同的人对同一幅图像会有不同感受;从视觉神经加工机理看,三维信息加工和二维信息加工也存在一些本质差异。另外,人类视觉感知普遍存在错觉(illusion)现象。那么,到底什么类型的“视觉语义信息”可望在计算的层次上有助于微波三维成像呢?如何借鉴计算机视觉的理论和方法来提取微波三维成像中有用的“视觉语义”信息呢?该文对这些问题进行了一些初步探讨。 “合成孔径雷达微波视觉三维成像”,从概念上说,旨在将“视觉语义”引入到合成孔径雷达的成像模型中,以期提高三维成像的质量。对层析合成孔径雷达(TomoSAR)来说, “视觉语义”的引入可望有效减少TomoSAR所需的观测次数。然而,什么是“视觉语义”?从视觉感知的途径看, “单眼”和“双眼”均可以从场景感知三维结构信息;从场景内容看,不同的人对同一幅图像会有不同感受;从视觉神经加工机理看,三维信息加工和二维信息加工也存在一些本质差异。另外,人类视觉感知普遍存在错觉(illusion)现象。那么,到底什么类型的“视觉语义信息”可望在计算的层次上有助于微波三维成像呢?如何借鉴计算机视觉的理论和方法来提取微波三维成像中有用的“视觉语义”信息呢?该文对这些问题进行了一些初步探讨。
摘要:
雷达人体行为感知系统具有穿透探测能力,在安防、救援、医疗等领域具有广泛的应用前景。近年来,深度学习技术的出现促进了雷达传感器在人体行为感知领域的发展,同时对相关数据集的样本规模和丰富性提出了更高的要求。该文公开了一个超宽带雷达人体动作四维成像数据集,该数据集以超宽带多输入多输出雷达为探测传感器来获取了人体目标的距离-方位-高度-时间四维动作数据,共采集了11个人体目标的2757组动作数据,动作类型包含走路、挥手、打拳等10种常见动作,有穿透探测和不穿透探测的实验场景。该文详细介绍了数据集的系统参数、制作流程、数据分布等信息。同时,基于飞桨平台使用计算机视觉领域应用较多的深度学习算法对该数据集进行人体动作识别实验,实验对比结果可以作为参考,为学者使用该数据集提供技术支撑,方便在此基础上进一步探索研究。 雷达人体行为感知系统具有穿透探测能力,在安防、救援、医疗等领域具有广泛的应用前景。近年来,深度学习技术的出现促进了雷达传感器在人体行为感知领域的发展,同时对相关数据集的样本规模和丰富性提出了更高的要求。该文公开了一个超宽带雷达人体动作四维成像数据集,该数据集以超宽带多输入多输出雷达为探测传感器来获取了人体目标的距离-方位-高度-时间四维动作数据,共采集了11个人体目标的2757组动作数据,动作类型包含走路、挥手、打拳等10种常见动作,有穿透探测和不穿透探测的实验场景。该文详细介绍了数据集的系统参数、制作流程、数据分布等信息。同时,基于飞桨平台使用计算机视觉领域应用较多的深度学习算法对该数据集进行人体动作识别实验,实验对比结果可以作为参考,为学者使用该数据集提供技术支撑,方便在此基础上进一步探索研究。
合成孔径雷达信号处理
摘要:
传统合成孔径雷达(SAR)只能获取方位-距离二维图像,无法准确反映目标的三维散射结构信息。层析合成孔径雷达(TomoSAR)是一种多基线干涉测量模式,它将合成孔径原理扩展至高程向,除了可对目标进行二维成像之外,还可以准确恢复目标的高度向散射信息,真正实现三维成像。差分层析合成孔径雷达(D-TomoSAR)将合成孔径原理延伸至高程和时间方向,不仅可以获得目标的三维散射结构,还可以高精度获取观测目标的形变速率,实现对目标形变的有效监测。高分三号是我国首颗1 m分辨率C频段多极化SAR卫星。它具有高分辨率、大成像幅宽、多成像模式等特点,对我国高分对地观测技术的发展具有重要意义。目前高分三号数据主要应用于目标识别等图像处理领域,没有充分利用SAR图像的相位信息。而且,由于设计之初未考虑后续高维成像应用,现有高分三号获取的SAR图像存在有一定的空间、时间去相干问题,对应用于后续干涉系列处理产生了一定影响。为解决上述问题,该文基于7景高分三号SAR复图像,开展了对北京雁栖湖周围建筑的三维、四维层析成像研究,在获取了建筑物三维散射结构信息的同时,实现了对建筑物形变的毫米级高精度监测。该初步实验结果证明了高分三号SAR数据的应用潜力,为后续进一步扩展高分三号SAR卫星在城市感知与监测中的应用提供了技术支撑。 传统合成孔径雷达(SAR)只能获取方位-距离二维图像,无法准确反映目标的三维散射结构信息。层析合成孔径雷达(TomoSAR)是一种多基线干涉测量模式,它将合成孔径原理扩展至高程向,除了可对目标进行二维成像之外,还可以准确恢复目标的高度向散射信息,真正实现三维成像。差分层析合成孔径雷达(D-TomoSAR)将合成孔径原理延伸至高程和时间方向,不仅可以获得目标的三维散射结构,还可以高精度获取观测目标的形变速率,实现对目标形变的有效监测。高分三号是我国首颗1 m分辨率C频段多极化SAR卫星。它具有高分辨率、大成像幅宽、多成像模式等特点,对我国高分对地观测技术的发展具有重要意义。目前高分三号数据主要应用于目标识别等图像处理领域,没有充分利用SAR图像的相位信息。而且,由于设计之初未考虑后续高维成像应用,现有高分三号获取的SAR图像存在有一定的空间、时间去相干问题,对应用于后续干涉系列处理产生了一定影响。为解决上述问题,该文基于7景高分三号SAR复图像,开展了对北京雁栖湖周围建筑的三维、四维层析成像研究,在获取了建筑物三维散射结构信息的同时,实现了对建筑物形变的毫米级高精度监测。该初步实验结果证明了高分三号SAR数据的应用潜力,为后续进一步扩展高分三号SAR卫星在城市感知与监测中的应用提供了技术支撑。
摘要:
该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法。传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建。考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性。该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果。该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能。仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象。 该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法。传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建。考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性。该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果。该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能。仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象。
摘要:
层析合成孔径雷达(TomoSAR)通过组合在不同高度上获取的多基线二维SAR数据,实现合成孔径雷达的三维成像。TomoSAR的求解本质是一维谱估计问题,基于压缩感知的方法可以在非均匀分布的少量基线观测下实现求解,逐渐成为了主流的成像方式。在经典的压缩感知算法流程中,需要将连续的高程向划分成固定的网格,并且假定目标正好位于所划分的网格上。然而该假设通常难以成立,从而引起“基失配”问题,目前该问题在TomoSAR中很少被讨论。该文首先讨论了目标不在网格(Off-grid)上的TomoSAR观测模型,提出了采用加性扰动项来修正目标偏离网格所带来影响的求解模型。在此基础之上,引入局部优化算法与\begin{document}$ {L}_{1} $\end{document}范数最小化结合的方法,求解所提出的Off-grid TomoSAR模型。最后,利用仿真数据和机载阵列干涉SAR实际飞行数据进行了验证,结果表明,对于Off-grid目标,该方法能够得到比基于\begin{document}$ {L}_{1} $\end{document}范数最小化的经典方法更准确的位置、幅度和相位求解结果,证明了方法的优越性。 层析合成孔径雷达(TomoSAR)通过组合在不同高度上获取的多基线二维SAR数据,实现合成孔径雷达的三维成像。TomoSAR的求解本质是一维谱估计问题,基于压缩感知的方法可以在非均匀分布的少量基线观测下实现求解,逐渐成为了主流的成像方式。在经典的压缩感知算法流程中,需要将连续的高程向划分成固定的网格,并且假定目标正好位于所划分的网格上。然而该假设通常难以成立,从而引起“基失配”问题,目前该问题在TomoSAR中很少被讨论。该文首先讨论了目标不在网格(Off-grid)上的TomoSAR观测模型,提出了采用加性扰动项来修正目标偏离网格所带来影响的求解模型。在此基础之上,引入局部优化算法与\begin{document}$ {L}_{1} $\end{document}范数最小化结合的方法,求解所提出的Off-grid TomoSAR模型。最后,利用仿真数据和机载阵列干涉SAR实际飞行数据进行了验证,结果表明,对于Off-grid目标,该方法能够得到比基于\begin{document}$ {L}_{1} $\end{document}范数最小化的经典方法更准确的位置、幅度和相位求解结果,证明了方法的优越性。
摘要:
层析技术因具有解译城区SAR影像上复杂叠掩场景的能力而备受关注。层析成像包含两个部分:估计散射体在高程向的分布和确定散射体在混叠像元内的真实数目。该文以中科院空天院峨眉数据的机载阵列干涉系统参数为基础,选取了若干代表性的方法,包括OMP, SLIM和MUSIC等层析谱估计方法以及BIC和GLRT等模型定阶方法,进行了模拟叠掩目标的层析反演实验,使用了克拉默-拉奥界和重建成功率来评估实验结果。实验表明:在机载阵列数很有限的条件下,(1)使用2阶统计量反演的高程估计量的方差比单个观测矢量反演结果的方差更小;(2)叠掩散射体间的幅度比、相位差和散射间距会影响层析算法解叠掩的成功率;(3)叠掩散射体间的相位差会使层析算法的高程估计发生偏差。 层析技术因具有解译城区SAR影像上复杂叠掩场景的能力而备受关注。层析成像包含两个部分:估计散射体在高程向的分布和确定散射体在混叠像元内的真实数目。该文以中科院空天院峨眉数据的机载阵列干涉系统参数为基础,选取了若干代表性的方法,包括OMP, SLIM和MUSIC等层析谱估计方法以及BIC和GLRT等模型定阶方法,进行了模拟叠掩目标的层析反演实验,使用了克拉默-拉奥界和重建成功率来评估实验结果。实验表明:在机载阵列数很有限的条件下,(1)使用2阶统计量反演的高程估计量的方差比单个观测矢量反演结果的方差更小;(2)叠掩散射体间的幅度比、相位差和散射间距会影响层析算法解叠掩的成功率;(3)叠掩散射体间的相位差会使层析算法的高程估计发生偏差。
摘要:
在SAR散焦船舶图像中,部分船舶目标的散焦现象具有沿距离向空变的特性。针对此类散焦船舶目标,该文提出了一种基于自适应动量估计优化器与空变最小熵准则的SAR图像船舶目标自聚焦算法,该算法直接对复图像进行处理,可以实现对任意阶次相位误差的补偿。在仿真数据和GF-3数据上的实验结果表明,所提算法可以有效地实现SAR图像空变散焦船舶目标自聚焦,聚焦后的船舶图像在图像熵与对比度上都有所改善,且算法聚焦速度有很大提升。 在SAR散焦船舶图像中,部分船舶目标的散焦现象具有沿距离向空变的特性。针对此类散焦船舶目标,该文提出了一种基于自适应动量估计优化器与空变最小熵准则的SAR图像船舶目标自聚焦算法,该算法直接对复图像进行处理,可以实现对任意阶次相位误差的补偿。在仿真数据和GF-3数据上的实验结果表明,所提算法可以有效地实现SAR图像空变散焦船舶目标自聚焦,聚焦后的船舶图像在图像熵与对比度上都有所改善,且算法聚焦速度有很大提升。
摘要:
由于SAR天线旁瓣特性和脉冲工作体制,SAR图像在一定程度上受到距离模糊的影响。距离模糊抑制工作分别聚焦在SAR系统设计和SAR信号处理两个方面。前者通过天线赋形、正交编码等方式减小距离模糊能量接收,后者利用信号处理技术在回波域和图像域消除距离模糊能量。该文提出了一种结合稀疏重建和匹配滤波技术的距离模糊抑制方法。该方法对模糊区进行稀疏重建,利用模糊区图像和重建矩阵估计模糊区信号,从回波信号中将其分离得到模糊抑制后的主像信号,后续利用匹配滤波技术获得主像图像。该方法利用稀疏重建技术保证了模糊区信号估计的精度,利用匹配滤波技术保证了成像处理的效率。仿真实验表明,该方法可以有效抑制距离模糊,抑制效果可达10 dB及以上,并且对主像弱目标和细节具有很好的保持能力。 由于SAR天线旁瓣特性和脉冲工作体制,SAR图像在一定程度上受到距离模糊的影响。距离模糊抑制工作分别聚焦在SAR系统设计和SAR信号处理两个方面。前者通过天线赋形、正交编码等方式减小距离模糊能量接收,后者利用信号处理技术在回波域和图像域消除距离模糊能量。该文提出了一种结合稀疏重建和匹配滤波技术的距离模糊抑制方法。该方法对模糊区进行稀疏重建,利用模糊区图像和重建矩阵估计模糊区信号,从回波信号中将其分离得到模糊抑制后的主像信号,后续利用匹配滤波技术获得主像图像。该方法利用稀疏重建技术保证了模糊区信号估计的精度,利用匹配滤波技术保证了成像处理的效率。仿真实验表明,该方法可以有效抑制距离模糊,抑制效果可达10 dB及以上,并且对主像弱目标和细节具有很好的保持能力。
合成孔径雷达信息提取
摘要:

深度学习技术近年来在合成孔径雷达(SAR)图像解译领域发展迅速,但当前基于数据驱动的方法通常忽视了SAR潜在的物理特性,预测结果高度依赖训练数据,甚至违背了物理认知。深层次地整合理论驱动和数据驱动的方法在 SAR 图像解译领域尤为重要,数据驱动的方法擅长从大规模数据中自动挖掘新模式,对物理过程能起到有效的补充;反之,在数据驱动方法中加入可解释的物理模型能提升深度学习算法的透明度,并降低模型对标记样本的依赖。该文提出在SAR图像解译应用领域发展物理可解释的深度学习技术,从SAR信号、特性理解到图像语义和应用场景等多个维度开展研究,并结合物理机器学习提出了几种在SAR解译中融合物理模型和深度学习模型的研究思路,逐步发展可学习且可解释的智能化SAR图像解译新范式。在此基础上,该文回顾了近两三年在SAR图像解译相关领域中整合数据驱动深度学习和理论驱动物理模型的相关工作,主要聚焦信号特性理解和图像语义理解两大方向,并结合研究现状和其他领域的相关研究探讨了目前面临的挑战和未来可能的发展方向。

深度学习技术近年来在合成孔径雷达(SAR)图像解译领域发展迅速,但当前基于数据驱动的方法通常忽视了SAR潜在的物理特性,预测结果高度依赖训练数据,甚至违背了物理认知。深层次地整合理论驱动和数据驱动的方法在 SAR 图像解译领域尤为重要,数据驱动的方法擅长从大规模数据中自动挖掘新模式,对物理过程能起到有效的补充;反之,在数据驱动方法中加入可解释的物理模型能提升深度学习算法的透明度,并降低模型对标记样本的依赖。该文提出在SAR图像解译应用领域发展物理可解释的深度学习技术,从SAR信号、特性理解到图像语义和应用场景等多个维度开展研究,并结合物理机器学习提出了几种在SAR解译中融合物理模型和深度学习模型的研究思路,逐步发展可学习且可解释的智能化SAR图像解译新范式。在此基础上,该文回顾了近两三年在SAR图像解译相关领域中整合数据驱动深度学习和理论驱动物理模型的相关工作,主要聚焦信号特性理解和图像语义理解两大方向,并结合研究现状和其他领域的相关研究探讨了目前面临的挑战和未来可能的发展方向。

摘要:
高分辨率SAR图像中蕴含目标与环境丰富的信息,但复杂的电磁散射机制使其难以直观解译,这一直是SAR图像解译的重要研究课题。该文简单梳理了典型几何基元的高频散射建模方法,以面散射、线散射和点散射为线索简要回顾了若干高频散射机制的研究发展过程,并给出几种典型几何基元的散射机制表达式及部分仿真结果,分析了典型散射机制表征面临的难点及应用于SAR图像解译的关键科学问题,提出从几何基元出发,发展对应的散射基元,通过散射基元进行组合和相互作用以树状方式实现更完备和广泛的散射特征表征体系,最后讨论了面向SAR图像散射信息解译来构建散射机制字典的可行性。 高分辨率SAR图像中蕴含目标与环境丰富的信息,但复杂的电磁散射机制使其难以直观解译,这一直是SAR图像解译的重要研究课题。该文简单梳理了典型几何基元的高频散射建模方法,以面散射、线散射和点散射为线索简要回顾了若干高频散射机制的研究发展过程,并给出几种典型几何基元的散射机制表达式及部分仿真结果,分析了典型散射机制表征面临的难点及应用于SAR图像解译的关键科学问题,提出从几何基元出发,发展对应的散射基元,通过散射基元进行组合和相互作用以树状方式实现更完备和广泛的散射特征表征体系,最后讨论了面向SAR图像散射信息解译来构建散射机制字典的可行性。
摘要:
为有效地从海量、带噪阵列InSAR空间点中检测建筑立面,该文提出一种基于结构先验的渐进式建筑立面检测算法。该文算法首先将初始阵列InSAR空间点投影至地面以生成与建筑立面相应的连通区域,然后通过结构先验的引导逐步在每个连通区域内检测潜在的线段,进而根据线段及其对应的空间点生成相应的建筑立面;在此过程中,当前连通区域对应线段的检测空间根据其相邻连通区域内已检测线段构造,有效保证了整体效率与可靠性。实验结果表明,该文算法可快速从海量、带噪阵列InSAR空间点中检测出较多的可靠建筑立面,较好地克服了传统多模型拟合算法效率低与可靠性差的缺点。 为有效地从海量、带噪阵列InSAR空间点中检测建筑立面,该文提出一种基于结构先验的渐进式建筑立面检测算法。该文算法首先将初始阵列InSAR空间点投影至地面以生成与建筑立面相应的连通区域,然后通过结构先验的引导逐步在每个连通区域内检测潜在的线段,进而根据线段及其对应的空间点生成相应的建筑立面;在此过程中,当前连通区域对应线段的检测空间根据其相邻连通区域内已检测线段构造,有效保证了整体效率与可靠性。实验结果表明,该文算法可快速从海量、带噪阵列InSAR空间点中检测出较多的可靠建筑立面,较好地克服了传统多模型拟合算法效率低与可靠性差的缺点。
摘要:
近年来,高分辨合成孔径雷达(SAR)图像的智能解译技术在城市规划、变化监测等方面得到了广泛应用。不同于光学图像,SAR图像的获取方式、图像中目标的几何结构等因素制约了现有深度学习方法对SAR图像地物目标的解译效果。该文针对高分辨SAR图像城市区域建筑物提取,提出了基于监督对比学习的正则化方法,其主要思想是增强同一类别像素在特征空间中的相似性以及不同类别像素之间的差异性,使得深度学习模型能更加关注SAR图像中建筑物与非建筑物区域在特征空间中的区别,从而提升建筑物识别精度。利用公开的大场景SpaceNet6数据集,通过对比实验,提出的正则化方法,其建筑物提取精度相比于常用的分割方法在不同网络结构下至少提升1%,分割结果证明了该文方法在实际数据上的有效性,可以对复杂场景下的城市建筑物区域进行有效分割。此外,该方法也可以拓展应用于其他SAR图像像素级别的地物分割任务中。 近年来,高分辨合成孔径雷达(SAR)图像的智能解译技术在城市规划、变化监测等方面得到了广泛应用。不同于光学图像,SAR图像的获取方式、图像中目标的几何结构等因素制约了现有深度学习方法对SAR图像地物目标的解译效果。该文针对高分辨SAR图像城市区域建筑物提取,提出了基于监督对比学习的正则化方法,其主要思想是增强同一类别像素在特征空间中的相似性以及不同类别像素之间的差异性,使得深度学习模型能更加关注SAR图像中建筑物与非建筑物区域在特征空间中的区别,从而提升建筑物识别精度。利用公开的大场景SpaceNet6数据集,通过对比实验,提出的正则化方法,其建筑物提取精度相比于常用的分割方法在不同网络结构下至少提升1%,分割结果证明了该文方法在实际数据上的有效性,可以对复杂场景下的城市建筑物区域进行有效分割。此外,该方法也可以拓展应用于其他SAR图像像素级别的地物分割任务中。
摘要:
卷积神经网络(CNN)在光学图像分类领域中得到广泛应用,然而,合成孔径雷达(SAR)图像样本标注难度大、成本高,难以获取满足CNN训练所需的样本数量。随着SAR仿真技术的发展,生成大量带标签的仿真SAR图像并不困难。然而仿真SAR图像样本与真实样本间难免存在差异,往往难以直接支撑实际样本的分类任务。为此,该文提出了一种基于无监督域适应的仿真辅助SAR目标分类方法,集成了多核最大均值差异(MK-MMD)和域对抗训练,以解决由仿真图像分类任务迁移到真实图像分类任务中的域偏移问题。进一步使用逐层相关性传播(LRP)和对比逐层相关性传播(CLRP)两种可解释性方法,对域适应前后的模型进行了解释分析。实验结果表明,该文方法通过修正模型对输入数据的关注区域,找到了域不变的分类特征,显著提升了模型在真实SAR数据上的分类准确率。 卷积神经网络(CNN)在光学图像分类领域中得到广泛应用,然而,合成孔径雷达(SAR)图像样本标注难度大、成本高,难以获取满足CNN训练所需的样本数量。随着SAR仿真技术的发展,生成大量带标签的仿真SAR图像并不困难。然而仿真SAR图像样本与真实样本间难免存在差异,往往难以直接支撑实际样本的分类任务。为此,该文提出了一种基于无监督域适应的仿真辅助SAR目标分类方法,集成了多核最大均值差异(MK-MMD)和域对抗训练,以解决由仿真图像分类任务迁移到真实图像分类任务中的域偏移问题。进一步使用逐层相关性传播(LRP)和对比逐层相关性传播(CLRP)两种可解释性方法,对域适应前后的模型进行了解释分析。实验结果表明,该文方法通过修正模型对输入数据的关注区域,找到了域不变的分类特征,显著提升了模型在真实SAR数据上的分类准确率。