8、合成孔径雷达图像检索与导航技术：基于对比学习与孪生神经网络的方法

合成孔径雷达图像检索与导航技术：基于对比学习与孪生神经网络的方法

1. 引言

合成孔径雷达（SAR）及其生成的图像具有显著优势，能够在不受恶劣天气条件影响的情况下精确捕捉拓扑特征。因此，SAR 图像在众多领域得到了广泛应用，如深度学习、目标检测、地形分类、去斑处理以及光学数据融合等。近年来，利用 SAR 图像开发适用于全球定位系统（GPS）受限环境的导航技术成为研究热点。其核心目标是借助 SAR 图像确定在特定地理区域内导航的系统位置。假设系统在运行过程中能够实时生成 SAR 图像，且无法依赖其他传感数据进行导航。在此情况下，导航过程通常需要进行图像检索，即将存储在大型数据库（如无人机系统机载数据库）中的图像与查询图像进行比较，以检索出最相似的一幅或多幅图像。由于查询图像代表系统的当前位置，主要目标是在数据库中找到地理位置与查询图像最接近或完全相同的最佳图像，进而确定位置坐标。

为了量化数据库中 SAR 图像与查询图像之间的“相似度”，通常会先为所有图像生成全局描述符特征向量，然后将其与查询图像的向量进行比较。许多研究采用卷积神经网络（CNNs）来生成 SAR 图像的描述符向量，但通过 CNN 生成的向量在性能上常受到杂波、遮挡和光照等因素的影响。一种可能的解决方法是生成关键点来标记图像上的感兴趣位置，并生成与这些关键点对应的局部描述符向量。然而，现有方法在处理大规模数据集时，计算性能往往成为瓶颈，这对于无人机自主飞行等任务来说是必须解决的问题。

2. 实验数据集与设置

2.1 实验数据集

实验使用了 UAVSAR POLSAR 数据集，具体实验设置如下表所示：
| 实验编号 | 实验名称 | 查询集 | 关键集 | 训练