119 / 2024-08-19 21:13:13

基于强化学习框架的SAR图像散射特征提取

深度强化学习,参数反演,散射特征提取,SAR图像

随着雷达软件直播观看的快速发展和广泛应用，每天产生的大量合成孔径雷达（SAR）图像的解译已成为一个热门研究领域。由于SAR图像中的电磁散射机制十分复杂，解译这些图像是一项极具挑战性的任务。目前，SAR图像解译的方法主要依赖于基于特征提取的软件直播观看，可分为图像域算法和频域算法。然而，这些方法在图像粗糙分割、计算复杂度高、鲁棒性差等方面存在诸多问题，给该领域带来了重大挑战。本文提出了一种新的SAR图像解译框架，利用强化学习（RL）来提取电磁散射特征并反演相关参数。在此框架中，非稀疏奖励函数被引入，并结合课程学习作为监督信息。通过结构化的两阶段训练方法，实现了更为高效的策略更新。此外，本文还提出了一种将四邻宽度优先搜索（BFS）与分水岭分割过程相结合的算法，以提高SAR图像中散射中心分析的精度。基于属性散射中心模型（ASCM）的研究和实验表明，所提出的方法在保证准确性的同时，显著减少了参数检索的时间与空间消耗，验证了其在大多数情况下从实测数据中提取参数的能力。