基于特征空间结构对齐域自适应的机载SAR自动目标识别方法

由于机载合成孔径雷达(SAR)系统的快速发展和深度学习的广泛应用,基于卷积神经网络的SAR图像自动目标识别技术已经取得了长足的发展。然而,由于真实测量获得的SAR数据较少,难以满足深度学习算法对大量训练样本的需求,目前已经有研究利用仿真SAR图像弥补真实SAR图像样本较少的缺陷。由于仿真SAR图像和真实SAR图像之间的差异,当前的主流研究方法是通过领域自适应(DA)的方法,将真实图像和仿真图像映射到相同的特征子空间中,从而提取域不变特征。然而,当前结合DA和仿真图像的SAR自动目标识别算法只关注了不同域之间样本内特征分布的相似度,却忽视了样本间的特征分布也包含了一定程度的语义信息。为了解决上述问题,本文提出了一种基于特征空间结构对齐的DA算法,充分挖掘仿真SAR图像和真实SAR图像之间共享的语义信息,从而显著地提升了深度学习模型在少样本情境下的识别性能。经过充分的试验和分析,试验结果证明了本文所提出方法不仅有较高的识别准确率,而且具备较强的泛用性和鲁棒性。