合成孔径雷达（SAR）的自动目标识别(ATR)技术目前已广泛应用于军事和民用领域。由于SAR采用侧视成像原理，SAR对目标观测俯仰角和方位角的变化都十分敏感。对于同一观测目标，即便观测的方位角仅有较少变化，所得目标的SAR图像也会有较大的差别。而对于不同目标在某一个观测角度下又呈现较大的相似性，这些情况对基于单角度SAR图像的目标识别造成相当的困难。此外，同一观测目标的多角度SAR图像序列中蕴含着多个角度的散射回波，较单角度SAR图像更加全面精细地刻画了目标散射特性。多角度SAR目标识别技术基于 SAR 平台获取的目标不同方位角的多幅图像组成的图像序列，利用不同视角的散射特性对目标进行类别属性判别，其拥有更高的准确度和鲁棒性。图1 不同方位角、同一目标的SAR图
针对多角度SAR目标识别问题，中科院空天院的黄丽佳研究员等提出了一种基于CNN与RNN的深度学习目标识别方法，该方法使用CNN部分来提取单张图像的空间特征，使用RNN来提取图像间的序列特征，具有较高的精度和一定的鲁棒性。该工作已发表在《雷达学报》网络优先出版的“一种基于EfficientNet与BiGRU的多角度SAR图像目标识别方法”（赵鹏菲，黄丽佳）。论文模型结构如图2所示， 该方法使用一组共享权重的EfficientNet网络提取图像序列中单张图像的空间特征，然后对图像序列所提取的单角度的图像特征序列进行维度的变换，再送入BiGRU网络继续提取SAR多角度图像序列时序特征。最后，模型将经过BiGRU网络提取的特征送入全连接层获得最终的分类结果。
图2 多角度SAR目标识别网络结构图
编辑：蒋文
审核：贾守新
欢迎转发本号原创内容，转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。本号发布信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及文字、图片、版权等问题，请在20日内与本号联系，我们将第一时间处理。《雷达学报》拥有最终解释权。