[文献速递Vol.294]-基于多视角特征增强对比聚类的合成孔径雷达目标识别

本文提出了一种新颖的端到端多视角特征增强对比聚类框架（MvECC），旨在解决合成孔径雷达（SAR）目标识别中的无监督特征表示学习问题。该方法通过利用多视角SAR图像中的内部信息和相邻视角之间的互补信息，来学习具有区分性的目标特征，从而提高聚类精度。实验结果表明，MvECC框架在SAR目标识别任务中表现出色，具有显著的有效性和优势，特别是在MSTAR和SAMPLE数据集上的实验结果显示，MvECC的NMI、ARI和ACC值均显著高于SOTA方法。