马琳^{1, 2, 3},
潘宗序^{1, 2, 3,,},
黄钟泠^{1, 2, 3},
韩冰^{1, 2, 3},
胡玉新^{1, 2, 3},
周晓^{1, 2},
雷斌^{1, 2, 3}
1.中国科学院空天信息创新研究院 北京 100190
2.中国科学院空间信息处理与应用系统技术重点实验室 北京 100190
3.中国科学院大学 北京 100049
基金项目:国家自然科学基金(61701478)

详细信息

作者简介:马琳：马　琳(1996–)，女，河南南阳人，中国科学院空天信息创新研究院硕士研究生，2018年获郑州大学信息工程学院学士学位。主要研究方向为深度学习，SAR图像目标识别研究
潘宗序(1986–)，男，黑龙江哈尔滨人，2015年获清华大学电子工程系博士学位，现为中国科学院空天信息创新研究院副研究员，硕士生导师。主要研究方向为深度学习在遥感中的应用研究，包括光学和SAR图像中的目标检测与识别，遥感图像质量提升与超分辨率重建，遥感图像语义级分割及精细化解译
黄钟泠(1994–)，女，重庆人，中国科学院空天信息创新研究院博士研究生，2015年获北京师范大学信息科学与技术学院学士学位，2018年10月至2019年9月赴德国韦斯林德国航空航天中心(DLR)交流学习。主要研究方向为遥感、合成孔径雷达(SAR)目标识别，SAR图像理解和深度学习
韩冰：韩　冰(1980–)，女，北京人，2008年获中国科学院研究生院博士学位，现为中国科学院空天信息创新研究院研究员，硕士生导师。主要研究方向为新体制多模式SAR成像算法、面向海洋遥感应用的SAR精细化处理和针对典型目标的SAR遥感信息智能提取等
胡玉新(1981–)，男，内蒙古赤峰人，中国科学院电子学研究所获博士学位，现为中国科学院空天信息创新研究院研究员，硕士生导师。主要研究方向为星载SAR信号处理，遥感卫星地面系统、空间信息处理系统体系架构
周晓：周　晓(1986–)，男，辽宁兴城人，2014年获北京大学摄影测量与遥感博士学位，现为中国科学院空天信息创新研究院助理研究员。主要研究方向为高分辨率遥感影像处理与应用，合成孔径雷达图像定标
雷斌：雷　斌(1978–)，男，贵州黔西人，2000年获清华大学电机系学士学位，2014年在中国科学院电子学研究所获博士学位，现为中国科学院空天信息创新研究院研究员，博士生导师。主要研究方向为多传感器遥感信息处理系统体系架构设计、SAR 信号并行处理、SAR图像处理与图像质量提升和 SAR系统性能预估与优化等

通讯作者:潘宗序 zxpan@mail.ie.ac.cn

责任主编：计科峰 Corresponding Editor: JI Kefeng
中图分类号:TN958; TP183

计量

文章访问数:1317
HTML全文浏览量:476
PDF下载量:200
被引次数:0

出版历程

收稿日期:2020-07-23
修回日期:2020-09-09
网络出版日期:2020-10-09

Multichannel False-target Discrimination in SAR Images Based on Sub-aperture and Full-aperture Feature Learning

MA Lin^{1, 2, 3},
PAN Zongxu^{1, 2, 3,,},
HUANG Zhongling^{1, 2, 3},
HAN Bing^{1, 2, 3},
HU Yuxin^{1, 2, 3},
ZHOU Xiao^{1, 2},
LEI Bin^{1, 2, 3}
1. Aerospace Information Research Institute, Chinese Academy of Science, Beijing 100190, China
2. Key Laboratory of Technology in Geo-spatial Information Processing and Application System, Beijing 100190, China
3. University of Chinese Academy of Sciences, Beijing 100049, China
Funds:The National Natural Science Foundation of China (61701478)

More Information

Corresponding author:PAN Zongxu, zxpan@mail.ie.ac.cn

摘要
摘要:SAR多通道引起的虚假目标与散焦的船舶目标形状纹理特征非常相似，在全孔径SAR图像中难以区分。针对此类虚假目标造成的虚警问题，该文提出一种基于子孔径与全孔径特征学习的SAR多通道虚假目标鉴别方法。首先，对复数SAR图像进行幅值计算得到幅度图像，利用迁移学习方法提取幅度图像中的全孔径特征；接着，对复数SAR图像进行子孔径分解获得一系列子孔径图像，然后用栈式卷积自编码器(SCAE)提取子孔径图像中的子孔径特征；最后，将子孔径和全孔径特征进行串联并利用联合特征进行分类。在高分三号超精细条带模式SAR图像上的实验结果表明，该方法可以有效的鉴别船舶目标和多通道虚假目标，与仅使用全孔径特征学习的方法相比准确率提升了16.32%。
关键词:合成孔径雷达/
深度学习/
子孔径特征学习/
船舶目标鉴别/
多通道虚假目标
Abstract:False targets caused by multichannel Synthetic Aperture Radar (SAR) are similar to a defocused ship in both shape and texture, making it difficult to discriminate in the full-aperture SAR image. To address the issue of false alarms caused by such false targets, this paper proposes a multichannel SAR false-target discrimination method based on sub-aperture and full-aperture feature learning. First, amplitude calculation is performed on complex SAR images to obtain the amplitude images, and transfer learning is utilized to extract the full-aperture features from the amplitude images. Then, sub-aperture decomposition is performed on complex SAR images to obtain a series of sub-aperture images, and the Stacked Convolutional Auto-Encoders (SCAE) are applied to extract the sub-aperture features from the sub-aperture images. Finally, the sub-aperture and the full-aperture features are concatenated to form the joint features, which are used to accomplish target discrimination. The accuracy of the method proposed in this paper is 16.32% higher than that of the approach only using the full-aperture feature on GF-3 UFS SAR images.
Key words:Synthetic Aperture Radar (SAR)/
Deep learning/
Sub-aperture feature learning/
Ship target discrimination/
Multichannel false-target



PDF全文下载地址:

https://plugin.sowise.cn/viewpdf/198_758cb425-2001-4c57-a9ac-4237d720c1e5_R20106