摘要
飞机作为一种重要的军事目标和民用交通工具，对其进行快速准确的侦察定位具有重要理论意义与应用价值，是后续决策部署的关键依据。合成孔径雷达（SyntheticApertureRadar，SAR）作为对地观测的重要工具，具有全天时、全天候的成像特点，并且随着成像分辨率的提高，已被广泛应用于目标侦察与识别领域。论文围绕SAR图像中的飞机目标开展了检测和细粒度识别任务的研究，以缓解对飞机目标进行检测与识别时存在的定位困难、识别率低等问题，相关实验证明了论文所提算法的有效性。论文的主要工作如下： 介绍了SAR成像原理及噪声来源，并提出相应的图像预处理方案。对SAR图像飞机目标的灰度特性、几何特性以及散射特性进行了分析，挖掘出飞机目标在SAR图像中的成像特点，从而启发后续章节的算法设计。 针对SAR图像飞机目标在检测时存在的目标离散性、复杂背景强散射干扰以及目标多尺度的问题，论文设计了基于散射特征关系增强的检测算法。首先提出了上下文注意力增强模块提高目标散射点的关注度、抑制背景散射点的干扰；其次采用了级联空间通道Transformer结构，通过双域自注意力机制充分实现了散射点间的相关性建模，提高了目标完整性检测能力；最后，提出了特征金字塔自适应融合结构使得网络在特征融合时自主的选择有用信息，加强了多尺度信息间的交互。实验结果表明，所提算法可以有效提高SAR图像飞机目标的检测精度。 针对SAR图像飞机目标呈离散点分布，且成像易变形，导致类内差异大、类间差异小的问题，论文从散射点间的拓扑关系出发，提出了基于部件拓扑关系引导的SAR图像飞机目标细粒度识别算法。首先设计了全局关系建模网络来捕获不同型号飞机特有的散射点间整体拓扑关联性；其次对于部分散射点缺失导致飞机整体拓扑关联性难以捕捉的问题，提出了部件局部关系建模网络来捕获飞机部件局部区域内的散射点间拓扑关联性，使网络能够通过飞机部件区域实现更细化的型号识别；最后设计了特征增强模块提高了飞机目标区域的信息表示，使得散射点间拓扑关系建模更加准确。实验结果表明，所提算法可以显著提升SAR图像飞机目标细粒度识别准确率。 针对实际应用中高分辨率SAR飞机数据集不足的问题，论文提出了一种基于飞机图像仿真技术结合域自适应迁移学习的识别方案。首先采用了3D模型电磁仿真技术获得了初始飞机仿真图像；之后利用了生成对抗网络实现了仿真图像到真实SAR图像的风格转换，提高了仿真图像的真实性；最后设计了一种域自适应迁移学习方法，通过度量约束结合对抗学习的思想实现了仿真图像与真实图像在各个类别内的细化特征对齐以及域间的全局特征对齐。实验结果表明，论文所提的数据仿真方案以及特征对齐方法可以有效提升网络对于真实SAR飞机数据的识别准确率。
NETL