La interpretación automatizada de imágenes de radar de apertura sintética (SAR) es una de las direcciones importantes de aplicación de la tecnología SAR. Los métodos de identificación SAR se dividen principalmente en dos categorías: métodos tradicionales de aprendizaje automático y métodos basados en aprendizaje profundo. Para la mayoría de los métodos tradicionales de aprendizaje automático, la extracción de características de objetivo basadas en la dispersión electromagnética es estable e interpretable. Sin embargo, el proceso de extracción de características efectivas suele ser complejo y tiene una baja eficiencia de cálculo. En comparación con los métodos tradicionales, los métodos de aprendizaje profundo pueden aprender directamente las características de objetivo de alta dimensión y obtener una precisión de identificación de objetivo más alta. Sin embargo, el rendimiento de los métodos de aprendizaje profundo es bajo y difícil de interpretar. Por lo tanto, teniendo en cuenta las ventajas de ambos métodos, deberían surgir métodos de aprendizaje profundo basados en características de dispersión electromagnética y características de redes neuronales. Este artículo discute los resultados de investigación sobre métodos de identificación de objetivos basados en las ventajas de las características de dispersión electromagnética y las características de redes neuronales integradas, detalla la aplicación de esta idea de fusión de características de dispersión electromagnética en la identificación de objetivos de vehículos, aviones y barcos, avanza las tendencias futuras de la investigación en identificación de objetivos y hace una conclusión.

Teledetección; Radar de apertura sintética; Identificación de objetivos; Redes neuronales convolucionales; Características de dispersión electromagnética; Estimación de parámetros