합성개구레이더(Synthetic Aperture Radar, SAR) 영상의 자동 해석은 SAR 기술 응용의 중요한 발전 방향 중 하나이다. SAR 인식 방법은 주로 전통적인 머신러닝 방법과 딥러닝 기반 방법으로 나뉜다. 대부분의 전통적인 머신러닝 방법에 대해 전자기 산란 특성을 기반으로 추출된 객체 특징은 해석 가능하고 안정적이다. 그러나 효과적인 특징 추출 과정은 종종 복잡하며 계산 효율이 낮다. 전통적인 방법과 비교하여 딥러닝 기반 방법은 객체의 고차원 특징을 직접 학습할 수 있어 더 높은 객체 인식 정확도를 얻을 수 있다. 그러나 딥러닝 방법은 일반화 성능이 떨어지고 해석이 어렵다. 따라서 두 방법의 장점을 종합적으로 고려하여 전자기 산란 특징과 신경망 특징을 융합하는 딥러닝 방법이 등장했다. 본 논문은 전자기 산란 특징과 신경망 특징 융합 기반의 객체 인식 방법 연구 성과를 논의하며, 차량, 비행기, 함선 목표 인식 분야에서 이러한 융합 전자기 산란 특징의 아이디어 적용을 자세히 설명하고, 미래 목표 인식 및 탐지 연구의 발전 방향을 전망하며 결론을 제시한다.

원격 탐사;합성개구레이더;목표 인식;합성곱 신경망;전자기 산란 특징;파라미터 추정