Автоматизированная идентификация изображений синтетического апертурного радиолокационного (SAR) является одним из важных направлений применения технологии SAR. Методы идентификации SAR подразделяются преимущественно на два типа: традиционные методы машинного обучения и методы, основанные на глубинном обучении. Для большинства традиционных методов машинного обучения извлечение характеристик цели, основанных на электромагнитном рассеянии, является стабильным и интерпретируемым. Однако процесс извлечения эффективных характеристик часто сложен и имеет низкую вычислительную эффективность. По сравнению с традиционными методами, методы глубинного обучения могут непосредственно изучать высокоразмерные характеристики цели и достигать более высокой точности идентификации цели. Однако производительность методов глубинного обучения низкая, и их трудно интерпретировать. Таким образом, с учетом преимуществ обоих методов, должны развиваться методы глубинного обучения, основанные на характеристиках электромагнитного рассеяния и характеристиках нейронных сетей. В статье обсуждаются исследовательские результаты по методам идентификации целей, основанным на совмещении преимуществ характеристик электромагнитного рассеяния и характеристик нейронной сети, а также подробно описано применение этой идеи совмещения характеристик электромагнитного рассеяния в идентификации целей транспортных средств, самолетов и кораблей, прогнозируются тенденции развития исследований по идентификации целей в будущем и делается обобщение.

Дистанционное зондирование; Синтетическая апертурная радиолокация; Идентификация целей; Сверточные нейронные сети; Характеристики электромагнитного рассеяния; Оценка параметров