摘要
合成孔径雷达（SAR）能够在无日光及多种天气条件下独立获取海面图像，这使其非常适合用于持续的船舶监测和海事感知。然而，由于以下几个原因，仅从少量标注样本中识别SAR船舶仍然具有挑战性。首先，海杂波和斑点噪声可能会削弱与船舶相关的结构和散射响应信息。其次，由于类间差异较小而类内变异仍然显著，不同类别的特征可能变得难以分离。第三，当每个类别仅包含少量支持样本时，异常或噪声样本可能会明显扭曲估计的原型。为了解决这些问题，提出了一种基于空间-频率双域特征增强与超球面映射约束（SFHMC）的少样本SAR船舶识别方法。首先，空间-频率特征增强与提取模块（SFEE）将Haar离散小波变换与多尺度空间建模相结合，在复杂背景下增强结构、纹理和散射响应特征。其次，超球面映射约束模块（HMCM）将支持样本和查询样本嵌入到单位超球面上进行归一化。通过消除特征幅度的差异，这种映射使得相似度估计主要依赖于特征方向，并产生更具结构的类别分布。第三，样本加权原型生成模块（SWPGM）根据每个支持样本与初始类别原型的一致性自适应地调整其贡献。这减少了由噪声或非典型样本引起的原型偏差。这三个模块共同优化了特征表示、度量判别和原型校准。实验在FUSAR-Ship和OpenSARShip数据集上进行，并在MSTAR数据集上进行了3类1样本和3类5样本设置的额外验证。与MBEN-BC相比，SFHMC在FUSAR-Ship上的分类准确率分别提高了1.41和1.96个百分点，在OpenSARShip上分别提高了2.68和4.46个百分点，在MSTAR上分别提高了6.40和0.48个百分点。这些结果表明，SFHMC在数据有限且成像条件复杂的情况下对少样本SAR目标识别是有效的。
