Die Zielerkennung in Synthetic Aperture Radar (SAR)-Bildern ist eine wichtige Anwendung der SAR-Bildinterpretation. Zur Verbesserung der Robustheit der SAR-Zielerkennung schlägt dieser Artikel eine auf Deep Belief Network (DBN) basierende Methode zur Attribut-Streuzentrum-Matching vor. Die Parameter der attributiven Streuzentren sind reich an Merkmalen und können die lokalen Streueigenschaften des Ziels gut widerspiegeln. Das DBN nutzt die Vorteile des Deep Learning und ermöglicht eine robuste Zuordnung zwischen Test- und Vorlagenmuster-Streuzen-tren-Sets und kann gut mit Rauschstörungen, teilweisem Datenverlust und anderen Situationen umgehen. Basierend auf der aufgebauten Matching-Beziehung der attributiven Streuzentren wird ein Ähnlichkeitsmaß definiert. Die Kategorie der Testprobe wird anhand des Prinzips der maximalen Ähnlichkeit bestimmt. Die Experimente basieren auf dem MSTAR-Datensatz; die Ergebnisse zeigen, dass die vorgeschlagene Methode für die SAR-Zielerkennung effektiv und robust ist.

Synthetic Aperture Radar;Zielerkennung;Attribut-Streuzentrum;Deep Belief Network