目录
第 一部分背景与基础知识
第 1 章目标识别导论 . . . . . . . . . . . . . . . . . . . .3
1.1 基本要素 . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 目标先验信息 . . . . . . . . . . . . . . . . 4
1.1.2 目标观测数据 . . . . . . . . . . . . . . . . 5
1.1.3 目标识别方法 . . . . . . . . . . . . . . . . 6
1.1.4 相似性度量 . . . . . . . . . . . . . . . . . . 8
1.2 经典的技术路线 . . . . . . . . . . . . . . . . 10
1.2.1 模板匹配目标识别 . . . . . . . . . . . 10
1.2.2 模型视觉目标识别 . . . . . . . . . . . 11
1.3 典型的识别系统 . . . . . . . . . . . . . . . . 13
第 2 章目标检测与识别的困难与挑战 . . .18
2.1 雷达成像的特点 . . . . . . . . . . . . . . . . 18
2.1.1 后向散射机制 . . . . . . . . . . . . . . . 19
2.1.2 平面斜距投影 . . . . . . . . . . . . . . . 19
2.1.3 像素物理意义 . . . . . . . . . . . . . . . 20
2.1.4 相干斑点噪声 . . . . . . . . . . . . . . . 20
2.1.5 旁瓣与散焦 . . . . . . . . . . . . . . . . . 21
2.2 困难与挑战 . . . . . . . . . . . . . . . . . . . . . 22
2.2.1 成像参数变化 . . . . . . . . . . . . . . . 23
2.2.2 目标本身变化 . . . . . . . . . . . . . . . 24
2.2.3 周围环境变化 . . . . . . . . . . . . . . . 27
第3 章目标检测与识别的经典流程 . . . . . 30
3.1 目标检测 . . . . . . . . . . . . . . . . . . . . . . . 30
3.1.1 恒虚警率检测 . . . . . . . . . . . . . . . 30
3.1.2 广义似然比检测 . . . . . . . . . . . . . 32
3.2 目标鉴别 . . . . . . . . . . . . . . . . . . . . . . . 33
3.2.1 目标特征提取 . . . . . . . . . . . . . . . 34
3.2.2 鉴别特征选择 . . . . . . . . . . . . . . . 35
3.2.3 鉴别分类判决 . . . . . . . . . . . . . . . 35
3.3 目标分类 . . . . . . . . . . . . . . . . . . . . . . . 36
第二部分模型驱动技术方案
第4 章电磁散射建模方法 . . . . . . . . . . . . . . 41
4.1 参数化电磁散射模型 . . . . . . . . . . . . 41
4.1.1 点散射中心模型 . . . . . . . . . . . . . 42
4.1.2 衰减指数模型 . . . . . . . . . . . . . . . 43
4.1.3 几何绕射理论模型 . . . . . . . . . . . 43
4.1.4 属性散射中心模型 . . . . . . . . . . . 44
4.2 散射中心参数估计 . . . . . . . . . . . . . . 45
4.2.1 现代谱估计 . . . . . . . . . . . . . . . . . 45
4.2.2 最大似然估计 . . . . . . . . . . . . . . . 47
4.2.3 稀疏优化估计 . . . . . . . . . . . . . . . 48
4.3 特征匹配与判决 . . . . . . . . . . . . . . . . 51
4.3.1 散射点集匹配 . . . . . . . . . . . . . . . 51
4.3.2 散射区域匹配 . . . . . . . . . . . . . . . 52
第5 章统计分布建模方法 . . . . . . . . . . . . . . 55
5.1 相干斑原理与特性 . . . . . . . . . . . . . . 55
5.1.1 相干斑的成因 . . . . . . . . . . . . . . . 55
5.1.2 相干斑的统计特性 . . . . . . . . . . . 56
5.1.3 多视处理 . . . . . . . . . . . . . . . . . . . 57
5.1.4 多视相干斑的统计特性 . . . . . . . 57
5.2 参数化概率统计建模 . . . . . . . . . . . . 59
5.2.1 一维距离像统计建模 . . . . . . . . . 59
5.2.2 SAR 图像统计建模 . . . . . . . . . . 60
5.2.3 参数估计方法 . . . . . . . . . . . . . . . 64
5.3 非参数化概率统计建模 . . . . . . . . . .66
5.4 统计推断与决策 . . . . . . . . . . . . . . . . 68
第6 章相关滤波匹配方法 . . . . . . . . . . . . . . 70
6.1 线性相关滤波器 . . . . . . . . . . . . . . . . 71
6.2 核函数映射 . . . . . . . . . . . . . . . . . . . . . 75
6.2.1 非线性映射 . . . . . . . . . . . . . . . . . 75
6.2.2 典型的核函数 . . . . . . . . . . . . . . . 76
6.2.3 核函数的性质 . . . . . . . . . . . . . . . 78
6.3 无穷维特征空间相关滤波器 . . . . . 79
6.4 有限维特征空间相关滤波器 . . . . . 80
6.4.1 相关熵 . . . . . . . . . . . . . . . . . . . . . 80
6.4.2 相关熵滤波 . . . . . . . . . . . . . . . . . 81
6.5 多项式相关滤波器 . . . . . . . . . . . . . . 83
6.6 相关响应评价指标 . . . . . . . . . . . . . . 87
第7 章时频变换方法 . . . . . . . . . . . . . . . . . . 88
7.1 傅里叶变换 . . . . . . . . . . . . . . . . . . . . . 88
7.1.1 傅里叶级数 . . . . . . . . . . . . . . . . . 89
7.1.2 从傅里叶级数到傅里叶变换 . . . 89
7.1.3 二维傅里叶变换 . . . . . . . . . . . . . 90
7.2 短时傅里叶变换 . . . . . . . . . . . . . . . . 91
7.2.1 加窗傅里叶变换 . . . . . . . . . . . . . 92
7.2.2 时频域分辨率 . . . . . . . . . . . . . . . 93
7.2.3 窗函数及其性能指标 . . . . . . . . . 94
7.3 Gabor 变换 . . . . . . . . . . . . . . . . . . . . . 95
7.3.1 一维Gabor 核 . . . . . . . . . . . . . . 95
7.3.2 二维Gabor 核 . . . . . . . . . . . . . . 96
7.4 小波变换 . . . . . . . . . . . . . . . . . . . . . . . 97
第8 章解析信号表示方法 . . . . . . . . . . . . . . 99
8.1 希尔伯特变换 . . . . . . . . . . . . . . . . . . .99
8.1.1 解析信号 . . . . . . . . . . . . . . . . . . 101
8.1.2 解析信号的性质 . . . . . . . . . . . . 102
8.2 高维信号Riesz 变换 . . . . . . . . . . . 104
8.2.1 Riesz 变换 . . . . . . . . . . . . . . . . .105
8.2.2 图像解析信号表示 . . . . . . . . . . 108
第三部分深度学习技术路线
第9 章深度学习的背景 . . . . . . . . . . . . . . . 117
9.1 海量数据的支撑 . . . . . . . . . . . . . . . 117
9.1.1 通用数据集 . . . . . . . . . . . . . . . . 117
9.1.2 SAR 数据集 . . . . . . . . . . . . . . . 120
9.2 计算模式的改变 . . . . . . . . . . . . . . . 125
第 10 章神经网络模型 . . . . . . . . . . . . . . . . 128
10.1 神经网络 . . . . . . . . . . . . . . . . . . . . . 130
10.1.1 梯度下降算法 . . . . . . . . . . . . . 131
10.1.2 误差反向传播算法 . . . . . . . . . 132
10.2 深度学习 . . . . . . . . . . . . . . . . . . . . . 134
10.2.1 深度学习的基本概念 . . . . . . . 134
10.2.2 深度学习的处理流程 . . . . . . . 135
10.2.3 深度学习的主要特点 . . . . . . . 136
10.3 生成式模型 . . . . . . . . . . . . . . . . . . .138
10.3.1 变分推理思想 . . . . . . . . . . . . . 138
10.3.2 对抗博弈思想 . . . . . . . . . . . . . 141
10.3.3 可逆分布变换 . . . . . . . . . . . . . 144
10.3.4 去噪扩散模型 . . . . . . . . . . . . . 145
10.4 判别式模型 . . . . . . . . . . . . . . . . . . .147
10.4.1 经典卷积模式 . . . . . . . . . . . . . 148
10.4.2 典型卷积模块 . . . . . . . . . . . . . 152
10.5 混合式模型 . . . . . . . . . . . . . . . . . . .154
10.5.1 条件生成对抗网络 . . . . . . . . . 154
10.5.2 半监督生成对抗网络 . . . . . . . 155
10.5.3 互信息生成对抗网络 . . . . . . . 155
10.5.4 辅助条件生成对抗网络 . . . . . 156
第 11 章端到端目标检测 . . . . . . . . . . . . . . 158
11.1 深度学习目标检测 . . . . . . . . . . . . 158
11.1.1 预设锚框目标检测 . . . . . . . . . 160
11.1.2 无锚框目标检测 . . . . . . . . . . . 162
11.2 骨干网络模型 . . . . . . . . . . . . . . . . 164
11.2.1 通用网络模型 . . . . . . . . . . . . . 164
11.2.2 专属网络模型 . . . . . . . . . . . . . 166
11.3 典型损失函数 . . . . . . . . . . . . . . . . 168
11.3.1 类别损失 . . . . . . . . . . . . . . . . . 168
11.3.2 位置损失 . . . . . . . . . . . . . . . . . 169
11.4 主要评价指标 . . . . . . . . . . . . . . . . 171
11.4.1 单一评价指标 . . . . . . . . . . . . . 171
11.4.2 综合评价指标 . . . . . . . . . . . . . 172
第四部分联合驱动解决方案
第 12 章典型科学问题 . . . . . . . . . . . . . . . . 177
12.1 分类任务场景 . . . . . . . . . . . . . . . . 177
12.1.1 实验数据集 . . . . . . . . . . . . . . . 177
12.1.2 网络模型性能评测 . . . . . . . . . 179
12.1.3 训练样本数量评测 . . . . . . . . . 180
12.2 检测任务场景 . . . . . . . . . . . . . . . . 182
12.2.1 实验数据集 . . . . . . . . . . . . . . . 182
12.2.2 目标检测范式性能对比 . . . . . 182
12.2.3 骨干网络性能对比 . . . . . . . . . 183
12.2.4 数据增强性能对比 . . . . . . . . . 184
第 13 章样本数据制约的解决方案 . . . . . 186
13.1 样本有限的解决方案 . . . . . . . . . .186
13.2 目标检测任务 . . . . . . . . . . . . . . . . 188
13.2.1 构建目标切片集 . . . . . . . . . . . 188
13.2.2 构建杂波场景集 . . . . . . . . . . . 190
13.2.3 多样化检测场景重建 . . . . . . . 190
13.3 检测性能验证 . . . . . . . . . . . . . . . . 191
13.3.1 检测范式验证 . . . . . . . . . . . . . 192
13.3.2 检测可视化结果 . . . . . . . . . . . 194
13.3.3 杂波统计建模验证 . . . . . . . . . 195
13.3.4 目标扩展微调验证 . . . . . . . . . 196
13.4 分类识别任务 . . . . . . . . . . . . . . . . 197
13.4.1 SAR 成像原理 . . . . . . . . . . . . 197
13.4.2 目标姿态扩展成像 . . . . . . . . . 198
13.4.3 跨域随机扰动成像 . . . . . . . . . 200
13.4.4 背景杂波迁移成像 . . . . . . . . . 202
13.4.5 子孔径随机分解成像 . . . . . . . 203
13.4.6 分辨率随机降低成像 . . . . . . . 204
13.5 分类性能验证 . . . . . . . . . . . . . . . . 204
13.5.1 离线样本扩充 . . . . . . . . . . . . . 204
13.5.2 在线样本扩充 . . . . . . . . . . . . . 206
13.6 跨域知识迁移 . . . . . . . . . . . . . . . . 207
13.6.1 仿真数据知识迁移 . . . . . . . . . 208
13.6.2 同源数据知识迁移 . . . . . . . . . 211
13.6.3 异源数据知识迁移 . . . . . . . . . 212
13.6.4 迁移学习的机制 . . . . . . . . . . . 212
13.6.5 学习模型结构迁移 . . . . . . . . . 213
13.6.6 知识迁移实验验证 . . . . . . . . . 213
第 14 章计算能力制约的解决方案 . . . . . 215
14.1 网络剪枝 . . . . . . . . . . . . . . . . . . . . . 215
14.1.1 细粒度剪枝 . . . . . . . . . . . . . . . 217
14.1.2 粗粒度剪枝 . . . . . . . . . . . . . . . 218
14.2 模型量化 . . . . . . . . . . . . . . . . . . . . . 218
14.2.1 线性量化与非线性量化 . . . . . 218
14.2.2 饱和量化与非饱和量化 . . . . . 219
14.2.3 后训练量化与量化感知训练 . 220
14.3 低秩分解 . . . . . . . . . . . . . . . . . . . . . 220
14.3.1 矩阵奇异值分解 . . . . . . . . . . . 220
14.3.2 高阶张量分解 . . . . . . . . . . . . . 221
14.4 知识蒸馏 . . . . . . . . . . . . . . . . . . . . . 221
14.5 轻量化网络 . . . . . . . . . . . . . . . . . . .223
第 15 章思考与展望 . . . . . . . . . . . . . . . . . . 224
15.1 目标检测任务 . . . . . . . . . . . . . . . . 225
15.2 分类识别任务 . . . . . . . . . . . . . . . . 226
15.3 样本扩充任务 . . . . . . . . . . . . . . . . 227
15.3.1 困难与挑战 . . . . . . . . . . . . . . . 227
15.3.2 通用相似度量 . . . . . . . . . . . . . 228
15.3.3 通用模型评估 . . . . . . . . . . . . . 229
参考文献 . . . . . . . . . . . . . . . . . . . . 231
