합성 개구 레이더(Synthetic Aperture Radar, SAR) 영상 물체 인식은 SAR 영상 해석의 중요한 응용 분야입니다. SAR 물체 인식의 견고성을 향상시키기 위해 본 논문에서는 심층 신념 네트워크(Deep Belief Network, DBN)를 기반으로 한 속성 산란 중심 매칭 방법을 제안합니다. 속성 산란 중심 매개변수는 풍부한 특성을 가지고 있어 물체의 국부 산란 특성을 잘 반영할 수 있습니다. DBN은 딥러닝의 장점을 발휘하여 테스트 샘플과 템플릿 샘플 산란 중심 집합 간의 견고한 매칭을 실현할 수 있으며, 잡음 간섭, 부분 결손 등의 상황에 잘 적응할 수 있습니다. 구축된 속성 산란 중심 매칭 관계를 바탕으로 유사도 측정 기준을 정의합니다. 최대 유사도 원칙에 따라 테스트 샘플의 소속 범주를 결정합니다. 실험은 MSTAR 데이터셋을 기반으로 수행되었으며, 제안된 방법이 SAR 물체 인식 문제에 대해 우수한 효율성과 견고성을 가짐을 검증하였습니다.

합성 개구 레이더;물체 인식;속성 산란 중심;심층 신념 네트워크