【热点回溯】属性散射中心匹配及其在SAR目标识别中的应用

合成孔径雷达（SAR）目标识别是SAR图像解译的重要手段之一，对于现代战场情报获取具有重要意义。现有的SAR目标识别方法多基于全局特征，难以考察目标可能发生的局部变化。真实场景中由于存在大量的扩展操作条件，获取的待识别SAR图像与构建的模板样本可能存在较大的差异。这导致基于全局特征的方法在扩展操作条件下出现较为显著的性能下降。此时，通过有效利用具有物理意义的局部描述子来感知目标的局部变化有利于提高扩展操作条件下的SAR目标识别性能。属性散射中心模型有效描述了SAR目标的局部电磁散射特性，基于它提取的属性散射中心是一种物理意义丰富的局部描述子。

针对该问题，国防科技大学文贡坚教授团队提出基于属性散射中心匹配的SAR目标识别方法。该文以属性散射中心作为SAR图像中目标的局部描述子，通过构建散射中心的一一匹配关系考察目标可能发生的局部变化，为扩展操作条件下的SAR目标识别问题提供了可行的解决思路。

该工作已发表在《雷达学报》2017年第2期“高分辨率SAR图像目标认知”专刊“属性散射中心匹配及其在SAR目标识别中的应用”（丁柏圆,文贡坚,余连生,马聪慧）。

图1 基于属性散射中心的目标重构示例

该文首先介绍了属性散射中心模型以及每个属性参数的物理意义，并展示了属性散射中心在描述SAR目标特性上的有效性（图1）。基于提取的属性散射中心，提出了基于Hungarian算法的散射中心一一匹配方法，并在此过程中充分考虑了可能存在的虚警和漏警（图2、图3）。在构建的匹配关系的基础上，设计了两组属性散射中心集的相似度准则并将其应用于SAR目标识别中（图3）。采用MSTAR数据集对该方法进行了全面的性能测试，实验结果证明了该方法在标准操作条件以及典型扩展操作条件（如分辨率变化、噪声干扰）下均可以取得良好的识别性能。

图2 基于Hungarian算法的属性散射中心匹配

图3 基于属性散射中心匹配的SAR目标识别方法的基本流程

了解详细信息请点击下面阅读原文。