基于谱归一化生成对抗网络的目标SAR图像仿真方法

发布时间：2021-07-12 19:07

　　为解决合成孔径雷达（Synthetic Aperture Radar,SAR）自动目标识别（Automatic Target Recognition,ATR）中的数据稀疏问题,提出一种基于谱归一化生成对抗网络（Spectral Normalization Generative Adversarial Network,SN-GAN）的目标SAR图像仿真方法。本文方法通过构建目标—场景—雷达耦合物理模型,求解散射强度分布图,利用SN-GAN实现对散射强度分布图的优化,生成高质量仿真SAR图像。通过3种相似性评估算法对仿真图像进行相似度评估,验证本文仿真方法的有效性。最后通过多组SAR ATR进行实验验证,在训练集中加入SN-GAN优化的仿真SAR图像可以有效缓解数据稀疏问题,提升分类算法的准确率。 

【文章来源】：计算机与现代化. 2020,(08)

【文章页数】：7 页

【部分图文】：

本文方法整体流程图

该步骤将目标装配到场景中，对目标的方位角进行自适应调整。设置合适的方位角，使得目标朝向给定的方向。至此，耦合物理模型构建完成。图2给出了目标模型装配效果图和方位角示意图。2 散射强度分布图计算

GAN网络性能很大程度受限于判别器的稳定性。本文的判别器是一个简单的5层嵌套卷积神经网络，判别器模型结构图如图3所示。为了保证优化效果，在判别器中引入了谱归一化(Spectral Normalization,SN)[15]方式对卷积核权重施加Lipschitz约束:

【参考文献】：
期刊论文
[1]建筑物的高分辨率SAR图像仿真方法[J]. 任苗苗,潘卓,徐向辉,苏海涛.  中国科学院大学学报. 2018(06)
[2]人造目标SAR图像实时仿真[J]. 齐彬,刘方.  系统仿真学报. 2008(01)



本文编号：3280487