合成開口レーダー（Synthetic Aperture Radar、SAR）画像の自動解釈は、SAR技術応用の重要な発展方向の一つである。SAR認識方法は主に従来の機械学習方法と深層学習に基づく方法の二つに分類される。多くの従来の機械学習方法において、電磁散乱特性に基づいて抽出された目標特徴は解釈可能で安定している。しかし、効果的な特徴抽出プロセスは複雑であり、計算効率が低いことが多い。従来の方法と比べて、深層学習に基づく方法は目標の高次元特徴を直接学習でき、高い目標認識精度を得ることができる。しかし、深層学習方法は汎化性能が低く、解釈が難しい。そのため、両者の利点を総合的に考慮し、電磁散乱特徴と神経ネットワーク特徴を融合した深層学習方法が登場した。本稿では電磁散乱特徴と神経ネットワーク特徴融合に基づく目標認識方法の研究成果を論じ、この電磁散乱特徴融合の考え方が車両、飛行機および艦船目標認識への応用を詳述し、将来の目標認識検出研究の展望とまとめを行う。

リモートセンシング;合成開口レーダー;目標認識;畳み込みニューラルネットワーク;電磁散乱特徴;パラメータ推定