基于HRRP与红外图像跨模态融合的集成识别模型

《IEEE Transactions on Geoscience and Remote Sensing》:An Ensemble Recognition Model Based on Cross-Modal Fusion of HRRP and Infrared Image

【字体: 大 中 小 】 时间:2026年09月20日 来源:IEEE Transactions on Geoscience and Remote Sensing 9.4

编辑推荐:

   摘要:红外(IR)图像数据在低光照和杂波条件下有效,能够提供稳定的成像并突出热特征,但其空间分辨率细节不足。另一方面,高分辨率距离像(HRRP)数据能够捕获目标的结构特征,具有强穿透能力和全天时工作能力,但由于其为一维形式,可解释性较低。为弥补这两种模态的局限性和互补性,本

  

摘要:

红外(IR)图像数据在低光照和杂波条件下有效,能够提供稳定的成像并突出热特征,但其空间分辨率细节不足。另一方面,高分辨率距离像(HRRP)数据能够捕获目标的结构特征,具有强穿透能力和全天时工作能力,但由于其为一维形式,可解释性较低。为弥补这两种模态的局限性和互补性,本文提出了一种多模态融合框架,通过统一的识别策略将红外和高分辨率距离像数据相结合。该方法包括数据级预处理、结合手工特征与深度表示的特征级建模,以及通过线性支持向量机(SVM)集成实现的决策级融合。采用MobileNetV2、一个轻量级多层感知机(MLP)和一个一维卷积神经网络(1D-CNN)进行模态特定的分类,并集成它们的输出以增强识别的鲁棒性。在一个模拟配对数据集上的实验结果表明,该数据集由23个目标子类别组成,并划分为四个主要识别类别,所提出的模型优于单模态基线方法,尤其在复杂和非合作场景中表现突出,证实了其有效性和实际应用潜力。重复评估进一步区分了对留出视角的识别与对未见过目标子类别的泛化能力。

I. 引言

异构数据模态的融合已成为鲁棒非合作自动目标识别(ATR)的必要途径[1],[2],[3],[4]。雷达高分辨率距离像(HRRP)提供精细的结构和散射信息,而红外(IR)图像则提供互补的热特征,在能见度差、遮挡或伪装条件下依然有效。近期工作在该领域取得了显著进展:Kim等人[5]提出了一种结合SAR和IR特征的双分支卷积网络用于地面车辆识别,在复杂场景中取得了明显的准确率提升;Zhou等人[6]为高分辨率距离像序列提出了一种双极化特征融合网络(DPFFN),证明了利用HH和VV极化能够显著提升目标区分能力;Duan等人[7]开发了一种带有注意力机制的双加权极化图像融合方法,以增强不同能见度条件下的特征质量;Zhang等人[8]分析了极化敏感红外成像对飞机检测的好处,突出了热极化线索所增加的判别能力;Liu和Wang[9]利用潜在低秩表示来融合强度和极化图像,有效地捕获了互补模态;Kim等人[10]利用增强特征选择实现了杂波背景下的鲁棒SAR–IR融合。更广泛地说,深度表示学习在视觉和遥感领域的近期成功得到了经典CNN和残差架构以及遥感特定适配的支持[11],[12],[13],[14]。尽管取得了这些进展,但重大问题依然存在:由于同步方面的挑战,公开可用的配对HRRP–IR数据集仍然很少,尽管在相邻的感知场景中已经报道了相关的仅雷达和雷达-相机数据集[15],[16];现有方法往往依赖浅层融合技术——例如特征拼接或简单加权——无法捕获深层语义相关性;许多流水线将数据模拟、特征对齐和分类器融合划分为独立的模块,缺乏强制执行联合一致性的统一端到端架构。确保结构与热特征的协同融合仍然是实际ATR中的核心挑战。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号