摘要
يُعتبر التفسير الآلي لصور رادار الفتحة التركيبية (SAR) واحدًا من الاتجاهات الهامة في تطوير تطبيقات تقنية الSAR. تنقسم طرق التعرف على الSAR إلى فئتين رئيسيتين: طرق التعلم الآلي التقليدية والطرق المبنية على التعلم العميق. بالنسبة لمعظم الطرق التقليدية، فإن خصائص الهدف المُستخلصة بناءً على خصائص التشتت الكهرومغناطيسي تكون قابلة للتفسير ومستقرة. ومع ذلك، غالبًا ما تكون عملية استخراج الخصائص الفعالة معقدة وبطيئة من حيث الكفاءة الحسابية. مقارنة بالطرق التقليدية، يمكن للطرق المبنية على التعلم العميق أن تتعلم مباشرة الخصائص عالية الأبعاد للهدف، مما يحقق دقة أعلى في التعرف على الهدف. ولكن، تعاني طرق التعلم العميق من ضعف في الأداء العام وصعوبة في التفسير. لذلك، وبالنظر إلى مزايا كلا الطريقتين، ظهر نهج تعلم عميق يدمج بين خصائص التشتت الكهرومغناطيسي وخصائص الشبكات العصبية. تناقش هذه الورقة نتائج البحث في طرق التعرف على الأهداف المبنية على دمج خصائص التشتت الكهرومغناطيسي وخصائص الشبكات العصبية، وتفصل تطبيق فكرة دمج خصائص التشتت الكهرومغناطيسي في التعرف على الأهداف مثل المركبات والطائرات والسفن، كما تستعرض الاتجاهات المستقبلية في أبحاث التعرف والكشف على الأهداف وتقدم ملخصًا.
关键词
الاستشعار عن بعد;رادار الفتحة التركيبية;التعرف على الأهداف;شبكات عصبية تلافيفية;خصائص التشتت الكهرومغناطيسي;تقدير المعلمات