一种基于噪声自我感知的神经辐射场SAR图像模拟方法技术

本发明专利技术公开了一种基于噪声自我感知的神经辐射场SAR图像模拟方法，包括以下步骤：S1、构建图像渲染网络模型；S2、对图像渲染网络模型进行训练，得到最佳的图像渲染网络模型；S3、将所需的SAR方向角输入到最佳的图像渲染网络模型中进行三维渲染，得到网络模拟的SAR图像；本发明专利技术将原本的二维图像生成问题转化为三维渲染问题，可以一般性地得到任意方向角下的SAR图像，该基于噪声自我感知的神经辐射场SAR图像模拟方法产生的结果与真实SAR图像有很高的相似度，模拟效果好。模拟效果好。模拟效果好。

【技术实现步骤摘要】
一种基于噪声自我感知的神经辐射场SAR图像模拟方法


[0001]本专利技术涉及图像处理
，具体的说是一种基于噪声自我感知的神经辐射场SAR图像模拟方法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)技术近年来应用得越来越广泛，它通过发射和接收雷达波而获得地面信息，具有全天时、全天候工作的特点，且雷达波对地面植被具有一定的穿透能力。SAR图像已广泛应用于军事和国民经济领域，包括飞机目标检测、土地监测、导航、自然灾害监测等。
[0003]现有的SAR图像模拟方法通常是生成二维图像，模拟产生的结果与真实SAR图像差别较大，较难满足人们的实际使用需求。

技术实现思路

[0004]本专利技术的目的在于提出了一种基于噪声自我感知的神经辐射场SAR图像模拟方法。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种基于噪声自我感知的神经辐射场SAR图像模拟方法，包括以下步骤：
[0007]S1、构建图像渲染网络模型；
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于噪声自我感知的神经辐射场SAR图像模拟方法，其特征在于，包括以下步骤：S1、构建图像渲染网络模型；S2、对图像渲染网络模型进行训练，得到最佳的图像渲染网络模型；S3、将所需的SAR方向角输入到最佳的图像渲染网络模型中进行三维渲染，得到网络模拟的SAR图像。2.如权利要求1所述的一种基于噪声自我感知的神经辐射场SAR图像模拟方法，其特征在于，步骤S1中构建的所述图像渲染网络模型为：可使用一个参数为θ的深度神经网络f
θ
:预测三维空间某个点(x,y,z)，在给定方向角(θ,φ)下的颜色值c＝(r,g,b)、透明度σ和噪声程度β。3.如权利要求2所述的一种基于噪声自我感知的神经辐射场SAR图像模拟方法，其特征在于，步骤S2的具体过程为：S21、划分训练数据集，确定网络参数；S22、根据均匀分布随机采样样本点列，并计算样本点列在GroundTruth平面渲染结果；S23、采样难样本点列，并计算难样本点列在GroundTruth平面渲染结果；S24、计算损失函数并更新图像渲染网络模型的网络参数；S25、判断损失函数是否收敛，若收敛，则保存为最佳的图像渲染网络模型；若不收敛，则重复执行步骤S22
‑
S24，直至损失函数收敛。4.如权利要求3所述的一种基于噪声自我感知的神经辐射场SAR图像模拟方法，其特征在于，步骤S21中所述网络参数的确定过程为：根据光学原理，将合成孔径雷达的2D成像中的像素值对应的累计效果通过以下公式计算:其中，C(r)表示渲染结果的颜色，r＝o+td表示起点为o方向为d的射线，t
n
和t
f
分别表示镜头的近端和远端，T(t)表示点t处的累积的透明度衰减，σ(r(t))和c(r(t),d)分别表示网络对射线上距离近端为t的点的透明度和颜色的预测，σ(r(s))表示射线上距离近端为s的点的透明度，并使用quadrature数值积分法离散化地求解。5.如权利要求4所述的一种基于噪声自我感知的神经辐射场SAR图像模拟方法，其特征在于，步骤S22的具体过程为：S221、从区间[t
n
,t

【专利技术属性】
技术研发人员：王连生，胡利平，高洁，周联昱，
申请(专利权)人：厦门大学，
类型：发明
国别省市：