《表2 SARSIM数据：基于仿真SAR图像深度迁移学习的自动目标识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于仿真SAR图像深度迁移学习的自动目标识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证基于仿真SAR图像深度迁移学习算法的有效性，本文使用的实测数据为MSTAR实测的X波段10类军事目标（装甲车，坦克，军用卡车等）的SAR图像，其在方位向和距离向的分辨率都是0.3 m。具体军事目标SAR图像数据与类别数据如表1所示，10类军事目标的光学图像与SAR图像如图6所示。按照文献[3，12]的标准划分方法，训练和测试数据分别为俯仰角为17°和15°的数据。在仿真SAR图像数据的使用上，则采用基于SARSIM仿真[17]得到的7大类车辆目标的仿真SAR图像和基于快速回波仿真方法[16]得到的相似性高的T72，BMP和BTP 3种军事目标的SAR图像数据。前者基于SARSIM仿真算法的实现过程中使用电磁商用软件CST先求得三维物体目标的RCS复数据，之后使用逆FFT得到时域图像同时结合GPU并行的方法以缩短计算时间，其公开的仿真数据集[17]的具体的类别数如表2所示。在此研究基础上，本文的最终模型新加入后者基于快速回波仿真方法得到的3类SAR仿真图像数据，每类360张，共有1 080张，其数据由文献[16]作者提供。