La interpretación automática de imágenes de radar de apertura sintética (SAR) es una de las direcciones importantes en el desarrollo de aplicaciones de la tecnología SAR. Los métodos de reconocimiento 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, las características del objetivo extraídas en base a las propiedades de dispersión electromagnética son interpretables y estables. Sin embargo, el proceso de extracción de características efectivas suele ser complejo y con baja eficiencia computacional. En comparación con los métodos tradicionales, los métodos basados en aprendizaje profundo pueden aprender directamente las características de alta dimensión del objetivo, logrando una mayor precisión en el reconocimiento. Sin embargo, los métodos de aprendizaje profundo tienen un rendimiento de generalización pobre y son difíciles de interpretar. Por lo tanto, considerando las ventajas de ambos métodos, surgió un método de aprendizaje profundo que fusiona características de dispersión electromagnética y características de redes neuronales. Este artículo discute los resultados de la investigación sobre métodos de reconocimiento de objetivos basados en la fusión de características de dispersión electromagnética y características de redes neuronales, detalla la aplicación de esta idea de fusión de características de dispersión electromagnética en el reconocimiento de objetivos como vehículos, aviones y barcos, así como una perspectiva sobre las tendencias futuras de la investigación en detección y reconocimiento de objetivos y una conclusión.

sensores remotos;radares de apertura sintética;reconocimiento de objetivos;redes neuronales convolucionales;características de dispersión electromagnética;estimación de parámetros