近日，在庄松林院士指导下，上海理工大学太赫兹创新研究院联合西安电子科技大学、国防科技大学等单位，提出了一种用于太赫兹ISAR图像目标分类的多尺度空频双支网络，实现了对空间目标特征信息的精准提取以及高精度分类。研究成果以“A multi-scale spatial-frequency double branch network for terahertz ISAR image target classification”为题发表在《Defence Technology》期刊上（IF=5.9，中科院一区），硕士生王秋艳为第一作者，李银伟教授、朱亦鸣教授为通讯作者。
目标识别是ISAR图像智能解译中的一类基本问题。当前主流方法主要基于微波ISAR图像，通过传统特征提取或深度学习模型实现目标分类。然而，与低频段 ISAR 图像相比，太赫兹 ISAR 图像不仅具有更丰富的像素级细节，而且具有更复杂的散射特性，这给现有方法的特征提取和分类能力带来了新的挑战。为突破上述局限，本研究提出了一种多尺度空间-频率双分支融合网络MSFF。通过多尺度空间特征提取模块捕获不同尺度下的局部结构细节，同时引入频域卷积感知模块，将图像变换至频域以提取全局散射模式与长程依赖信息，最终融合双分支特征实现高精度分类。整个网络在实现高精度的同时，参数量和计算量远低于主流对比模型。在自建太赫兹ISAR数据集上，MSFF网络在多种极化方式、姿态变化及低频对比实验中均表现出优异的鲁棒性与泛化能力，为太赫兹雷达目标识别提供了一种轻量化、高精度的新方案。
