基于多注意力特征融合的SAR图像目标分类算法

摘要

针对SAR图像目标分类问题提出了一种新的多注意力特征融合网络（Multi-Attention Feature Fusion Network, MAFNet）分类模型。该模型首先对初始图像使用多头自注意力机制来捕获全局信息；其次，通过引入协方差注意力机制进一步增强通道特征和空间特征的表达；然后引入浅层鲁棒特征下采样模块，以更高效地提取原始图像的有效信息；最后对前述获得的三个注意力特征进行融合，获取了更有表征能力的SAR图像特征。本文模型克服了传统卷积神经网络仅在局部范围进行特征提取的问题，对深层特征进行通道和空间两个维度的信息筛选和增强，同时融合包含全局信息的特征，有效提升了模型的分类准确性和鲁棒性。在SOC条件下的MSTAR数据集上的实验结果表明，MAFNet的分类准确率达99.96%，明显优于其他算法。

关键词

雷达图像目标分类 / MSTAR数据集 / 注意力机制 / 特征提取