उन्मुख जहाज पहचान के लिए स्कैटरिंग-कीपॉइंट-गाइडेड नेटवर्क उच्च-resolution और बड़े पैमाने पर SAR चित्रों में

संश्लेषणात्मक एपर्चर रडार (SAR) चित्रों में जहाज पहचान एक महत्वपूर्ण और चुनौतीपूर्ण कार्य है। पिछले कार्य ज्यादातर स्थानीय रुचि के क्षेत्रों की खोज के लिए मैन्युअल रूप से डिज़ाइन किए गए एंकर बॉक्स पर निर्भर करते हैं, जो कम लचीला होता है और भारी गणनात्मक बोझ से ग्रस्त होता है। इसके अलावा, इन डिटेक्टर्स का प्रदर्शन जटिल दृश्यों में सीमित होता है क्योंकि तटीय पृष्ठभूमि की मजबूत बाधा और वस्तु इमेजिंग विशेषताओं की विविधता होती है। इस पेपर में, स्कैटरिंग कीपॉइंट गाइडेड नेटवर्क (SKG-Net) पर आधारित जहाज पहचान की एक नई विधि प्रस्तुत की गई है, ताकि इन समस्याओं का समाधान किया जा सके। पहले, एक एंकर-फ्री नेटवर्क बनाया गया है ताकि एंकर बॉक्स के प्रभाव को समाप्त किया जा सके, जिसमें मनमाने उन्मुख वस्तुओं के लिए एक अधिक मजबूत प्रतिनिधित्व योजना डिज़ाइन की गई है। दूसरे, एक संदर्भ-जागरूक विशेषता चयन मॉड्यूल पेश किया गया है ताकि स्थानीय और संदर्भ विशेषताओं को गतिशील रूप से सीखा जा सके। इस प्रक्रिया में, वस्तुओं की सामयिक जानकारी बढ़ाई जा सकती है जबकि पृष्ठभूमि की बाधा को दबाया जा सकता है। तीसरे, SAR इमेजिंग तंत्र के अनुसार, स्थानीय स्कैटरिंग क्षेत्रों का वर्णन करने और जहाजों की भिन्नात्मक संरचनात्मक विशेषताओं को दर्शाने के लिए स्कैटरिंग कीपॉइंट्स का एक सेट परिभाषित किया गया है। इस धारणा के आधार पर, इमेजिंग विविधता के मुद्दे से निपटने के उद्देश्य से एक नई विशेषता अनुकूलन विधि प्रस्तुत की गई है। इसके अतिरिक्त, प्रस्तावित सुधारों की प्रभावशीलता दिखाने के लिए, हम गाओफेन-3 जहाज पहचान डेटा सेट (GF3SDD) बनाते हैं। इसी बीच, डिटेक्टर की सामान्यीकरण क्षमता की सत्यापन के लिए SAR जहाज पहचान डेटा सेट (SSDD) प्रस्तुत किया गया है। इन दोनों डेटा सेट पर प्रयोगात्मक परिणाम दिखाते हैं कि प्रस्तावित विधि अत्याधुनिक प्रदर्शन प्राप्त करती है।