基于模型的SAR影像目标识别技术
在之前的文章中，我们介绍了SAR影像目标识别的基本原理以及基于模板匹配的经典方法。现在，我们将继续深入探讨基于模型的目标识别方法，这是一种先提取有效特征，然后使用分类器对样本进行分类的高级技术。数据库中存储目标的物理模型，通过对模型的处理预测目标特征的假设，将这些预测特征与输入的实际SAR图像进行比较，通过不断校正假设直到与测量图像的特征矢量匹配。
基于模型的方法的目标特性通常是通过物理模型来表示的，其中三维电磁散射模型和CAD模型是目前常用的识别模型。CAD模型方法通过抓住目标的外形特征来建模，首先需要对感兴趣的目标建立CAD模型，然后使用电磁仿真软件计算目标CAD模型的电磁散射图像。在识别阶段，需要对输入的SAR图像和CAD模型形成的散射图像进行特征提取，然后通过搜索匹配算法完成识别，该方法由特征提取和分类决策两个步骤组成。
近年来，随着技术的不断进步，基于模型的SAR影像目标识别方法也得到了一系列的创新和优化。例如，周雨等研究者采用了基于模型的SAR目标识别算法，通过离线阶段计算目标CAD模型的电磁散射，然后在识别阶段，先对电磁散射结果以及待处理目标进行特征提取，然后进行搜索匹配来实现分类识别。在考虑方位角误差的情况下，他们在MSTAR数据集中取得了高达95.69%的目标识别准确率。除了CAD模型，研究者们还提出了更为简洁的算法模型，如三维电磁散射模型。该模型利用电磁散射原理将目标特征转化为一系列参数，能够自适应地提取不同频段条件下的目标特征信息。这样的模型在识别性能和系统复杂性之间取得了良好的平衡。此外，还有基于全局散射中心模型的识别方法。这种方法可以预测不同目标姿势下的散射中心特征，并通过阈值化和形态学运算来提取待测SAR图像的区域特征，从而得到更加精确的识别结果。虽然基于模型的方法相较于基于模板的方法具有较好的鲁棒性，但是该方法对图像质量要求较高，同时模型构建和在线预测会增加自动目标识别系统的复杂性。然而，随着技术的进步和算法的不断优化，我们相信基于模型的SAR影像目标识别方法将在未来取得更多突破，为实际应用提供更高效准确的目标识别技术。这一技术的发展将进一步推动雷达技术在侦察、导航、制导、遥感等领域的广泛应用，并为未来的雷达目标识别技术发展开辟一片新的天地。[1]冯博迪,杨海涛,李高源,等.神经网络在SAR图像目标识别中的研究综述[J].兵器装备工程学报, 2021, 42(10):8.
2018年4月发布灵鹊遥感星座计划
2019年1月成功发射技术验证星灵鹊一号A星
2019年3月发射技术验证星灵鹊一号B星
2019年7月成功发射试验载荷HECATE-1
2020年9月发布灵鹊二号、三号计划
2021年4月发射金紫荆一号/金紫荆一号02星
2021年12月发射金紫荆一号03星
2022年5月发射金紫荆一号04星
2022年12月发射金紫荆一号05/06星
2025年初期计划132颗，后期计划378颗
微博：零重力实验室
官网：www.cubesatgarage.com
