考虑复杂散射效应并全局优化的SAR目标识别混合网络

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Complex Scattering-Aware and Globally Enhanced Hybrid Network for SAR Target Recognition

　　

摘要：

散射信息是合成孔径雷达（SAR）数据中至关重要的物理组成部分，而有效的SAR散射特性能够显著提升SAR目标识别性能。复值神经网络可直接在SAR数据的复数域中进行运算，从而实现对复数特性的内在建模，并为表示SAR散射信息提供有效方法。然而，现有的复值神经网络大多忽略了SAR目标的全局结构以及不同尺度下物理散射机制的自适应建模。为解决这些缺陷，本研究致力于构建一种具有尺度增强功能的SAR复值神经网络，并提出了复杂散射感知全局增强混合网络（CSGEHNet）。该网络通过嵌入基于复数值空间上下文增强的自注意力机制以及空间通道感知型复数值前馈模块，形成了完整的复值卷积-变换器架构。这一架构不仅能捕捉多尺度下的SAR物理散射特征，还能有效学习它们之间的空间配置关系，进而提高SAR散射特征的区分度。在MSTAR和OpenSARShip数据集上的实验结果表明，所提出的CSGEHNet在SAR目标识别精度方面取得了显著提升。