基于多维特征融合的SAR图像目标识别方法研究

《Sensors》：Research on SAR Image Target Recognition Method Based on Multi-Dimensional Feature Fusion

　　

摘要

合成孔径雷达（SAR）在目标识别领域具有广泛的应用前景；然而，固有的乘性斑点噪声、几何畸变以及多模态特征的复杂耦合往往限制了表示的全面性和融合的效率，从而影响了识别精度。为了解决这些问题，本文提出了一种基于多维特征融合的SAR图像目标识别方法。该方法首先通过优化的预处理层实现噪声抑制和对比度增强。随后，一个双分支分层特征提取网络同步捕获由领域知识驱动的低维物理先验特征和高度区分性的深度卷积特征，确保了物理可解释性与高容量表示之间的平衡。最后，一个方差自适应加权融合层动态平衡不同特征流的贡献，减少了信息冗余和特征冲突。在MSTAR和公开的CETC38-SAR数据集上的定量实验表明，在各种预训练的backbone下，与基线方法相比，所提出的框架在精确度、召回率和F1分数上提高了5%–15%。消融研究和在扩展操作条件下的评估进一步验证了该解耦架构的鲁棒性、计算效率和结构有效性。