【技术实现步骤摘要】
一种方位角可控的SAR目标图像生成方法
本专利技术属于SAR目标图像生成
，具体涉及一种方位角可控的AER目标图像生成方法。
技术介绍
SAR在地球遥感、海洋研究、资源勘探、灾情预报和军事侦查等领域有广泛的应用。在随着SAR的欺骗技术和SAR图像的解译技术研究的进行，常常面临SAR图像数据集不足的问题。SAR图像使用实测的方法进行产生的成本太高，现在SAR图像的解译技术常常用到深度学习算法，深度学习的训练需要大量的数据集作为模型的训练集。所以在实践中常常需要人为的扩充数据集。目前图像生成模型也有很多的研究，例如生成对抗网络等深度的提出，就给图像的生成的研究带来了很大的突破。在研究中，使用深度卷积生成对抗网络(DCGAN)等算法去生成SAR图像可以很轻易的得到比较逼真的SAR图像，但是这种算法所产生SAR目标图像方位角指向是随机的，不可控制，要得到指定方位角的SAR图像需要先使用该算法产生大量的SAR图像然后再使用方位角判别器进行判别，从而获得想要的方位角的SAR图像。条件生成对抗网络(CGAN)是将生成对抗网络和条件控制相结合的深度生成模型，该算法是在生成模...
【技术保护点】
1.一种方位角可控的SAR目标图像生成方法，其特征在于，包括以下步骤：S1、获取SAR目标图像数据集，并对其进行预处理；S2、通过N‑Progressive对预处理后的SAR目标图像的方位角进行编码，获得对应的方位角标签；S3、根据方位角标签和预处理后的SAR目标图像，构建条件生成对抗网络；S4、将方位角标签和预处理后的SAR目标图像输入到条件生成对抗网络中，对其进行训练，得到收敛的条件生成对抗网络；S5、将任意方位角标签输入到收敛的条件生成对抗网络中，得到该方位角标签对应的SAR目标图像。
【技术特征摘要】
1.一种方位角可控的SAR目标图像生成方法，其特征在于，包括以下步骤：S1、获取SAR目标图像数据集，并对其进行预处理；S2、通过N-Progressive对预处理后的SAR目标图像的方位角进行编码，获得对应的方位角标签；S3、根据方位角标签和预处理后的SAR目标图像，构建条件生成对抗网络；S4、将方位角标签和预处理后的SAR目标图像输入到条件生成对抗网络中，对其进行训练，得到收敛的条件生成对抗网络；S5、将任意方位角标签输入到收敛的条件生成对抗网络中，得到该方位角标签对应的SAR目标图像。2.根据权利要求1所述的方位角可控的SAR目标图像生成方法，其特征在于，所述步骤S1具体为：将SAR目标图像数据集中的各SAR目标图像转换为单通道的灰度图像，并将其大小调整为128×128×1。3.根据权利要求1所述的方位角可控的SAR目标图像生成方法，其特征在于，所述步骤S2具体为：S21、在预处理后的SAR目标图像中，将0-359度的方位角以60度的标签范围进行one-hot编码，获得第一组6位标签；S22、将第一组6位标签中的每位标签内的方位角以10度的标签范围进行one-hot编码，获得第二组6为标签；S23、将第二组6位标签中的每位标签内的方位角以1度的标签范围进行one-hot编码，获得10位标签；S24、将第一组6位标签、第二组6为标签和10位标签拼接起来，使维度为22的one-hot编码表示变化范围为0-359度的方位角；S25、将每个方位角对应的one-hot编码作为对应的方位角标签。4.根据权利要求1所述的方位角可控的SAR目标图像生成方法，其特征在于，所述步骤S3中的条件生成对抗网络包括相互连接的生成模型和判别模型。5.根据权利要求4所述的方位角可控的SAR目标图像生成方法，其特征在于，所述生成模型对输入数据生成图像的处理方法具体为：A1、产生一个100维的均匀噪声，并将其与SAR目标图像的方位角标签进行拼接；A2、将拼接后的数据经过一个全连接神经网络后，变换成对应的16×16×128的数据矩阵；A3、将16×16×128的数据矩阵经过三层反卷积神经网络，生成对应的128×128×1的fake图像。6.根据权利要求5所述的方位角可控的SAR目标图像生成方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。