A interpretação automatizada de imagens de Radar de Abertura Sintética (SAR) é uma das direções importantes no desenvolvimento da aplicação da tecnologia SAR. Os métodos de reconhecimento SAR dividem-se principalmente em duas categorias: métodos tradicionais de aprendizado de máquina e métodos baseados em aprendizado profundo. Para a maioria dos métodos tradicionais de aprendizado de máquina, as características dos alvos extraídas com base nas propriedades de dispersão eletromagnética são interpretáveis e estáveis. No entanto, o processo de extração de características eficazes frequentemente é complexo e possui baixa eficiência computacional. Em comparação com os métodos tradicionais, os métodos baseados em aprendizado profundo podem aprender diretamente características de alta dimensão do alvo, obtendo maior precisão no reconhecimento do alvo. No entanto, os métodos de aprendizado profundo apresentam desempenho de generalização pobre e são difíceis de interpretar. Portanto, considerando as vantagens de ambos os métodos, surgiu um método de aprendizado profundo que integra características de dispersão eletromagnética e características de redes neurais. Este artigo discute os resultados de pesquisa sobre métodos de reconhecimento de alvos baseados na fusão de características de dispersão eletromagnética e características de redes neurais, detalha a aplicação dessa ideia de fusão de características de dispersão eletromagnética no reconhecimento de alvos como veículos, aeronaves e navios, e apresenta uma perspectiva sobre as tendências futuras da pesquisa em detecção e reconhecimento de alvos, além de um resumo.

sensoriamento remoto;Radar de Abertura Sintética;reconhecimento de alvos;redes neurais convolucionais;características de dispersão eletromagnética;estimativa de parâmetros