典型文献
基于散射信息和元学习的SAR图像飞机目标识别
文献摘要：
SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少.为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究.针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示.考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰.该文方法有效地将目标散射分布特性与网络的自动学习过程相结合.实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90％,相比于基础方法提升了3.85％.减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异.
文献关键词：
合成孔径雷达(SAR);飞机目标识别;元学习;散射信息
中图分类号：
作者姓名：
吕艺璇;王智睿;王佩瑾;李盛阳;谭洪;陈凯强;赵良瑾;孙显
作者机构：
中国科学院空天信息创新研究院 北京 100094;中国科学院大学 北京 100049;中国科学院大学电子电气与通信工程学院 北京 100049;中国科学院网络信息体系技术科技创新重点实验室 北京 100190;中国科学院空间应用工程与技术中心 北京 100094;中国科学院太空应用重点实验室 北京 100094
文献出处：
引用格式：
[1]吕艺璇;王智睿;王佩瑾;李盛阳;谭洪;陈凯强;赵良瑾;孙显-.基于散射信息和元学习的SAR图像飞机目标识别)[J].雷达学报,2022(04):652-665
A类：
飞机目标识别
B类：
散射信息,元学习,SAR,数据获取,样本标注,目标覆盖,地理空间,空间目标,稀少,目标识别方法,不同型号,分布差异,关联分类,分类器,离散程度,程度量,网络学习,区分性,特征表示,背景噪声,关键部件,少背,噪声干扰,分布特性,自动学习,学习过程,way,shot,极少,少样本,新类,方法识别,识别精度,训练数据,数据量,合成孔径雷达
AB值：
0.375965
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
