RaNeRF: إعادة بناء ثلاثية الأبعاد للأهداف الفضائية من تسلسلات صور الرادار العكسي الاصطناعي (ISAR)

بالمقارنة مع صور الرادار العكسي الاصطناعي (ISAR) ثنائية الأبعاد لهدف فضائي، يمكن لنموذجه ثلاثي الأبعاد أن يوفر تفاصيل كافية ومعلمات قياس دقيقة. ومع ذلك، فإن معالجة مشكلة استخراج الميزات والتوافق خلال إعادة بناء الأهداف الفضائية ثلاثية الأبعاد بناءً فقط على تسلسلات صور الرادار تعتبر تحديًا، بسبب افتقارها إلى دليل واضح في تشابه الصور مقارنةً بالصور البصرية. لمعالجة هذه المشكلة، تقترح هذه الورقة استخدام حقول إشعاع الرادار العصبية (RaNeRF)، وهي طريقة جديدة لإعادة البناء ثلاثي الأبعاد باستخدام تسلسلات صور ISAR الملاحظة فقط. أولاً، يتم تمثيل الهيكل ثلاثي الأبعاد للهدف كدالة مستمرة ذات 6 أبعاد لمواقع الفضاء واتجاهات الرؤية باستخدام شبكة عميقة متصلة بالكامل. ثانيًا، يتم بناء العلاقة بين الهيكل ثلاثي الأبعاد وصور ISAR ثنائية الأبعاد للهدف لتمكين العرض التفاضلي لصورة ISAR. وبالتالي، يمكن تدريب خط أنابيبنا العام باستخدام التباين بين مقدار الصور المُقدمة والمُلاحظة بطريقة ذاتية بالكامل دون إشراف ثلاثي الأبعاد. أخيرًا، يمكن استرجاع نموذج الشبكة ثلاثية الأبعاد للهدف من حقل الكثافة المُتعلم عبر طريقة المارشينغ كيوب. ونتيجة لذلك، يمكن لـ RaNeRF المُقترح إعادة بناء الهيكل ثلاثي الأبعاد للأهداف مباشرةً بدون استخراج ميزات واضحة وتوافق لتسلسلات صور ISAR. تؤكد النتائج الكمية والنوعية على فاعلية الطريقة المقترحة. بالمقارنة مع طرق الخط الأساسي التقليدية باستخدام سحب النقاط، فإن هيكلنا المعاد بناؤه أكثر اكتمالاً ودقة. بالإضافة إلى ذلك، يمكن للنموذج المحسن أن يُصنف صور ISAR في اتجاهات ملاحظة جديدة، مما يمكن استخدامه في المهام اللاحقة بما في ذلك زيادة البيانات والتعرف على الأهداف.