融合几何信息的SAR目标数据智能生成方法技术

本发明专利技术公开融合几何信息的SAR目标数据智能生成方法，对光学图像中目标进行轮廓提取，获得几何结构图并计算目标在不同雷达入射方位下的主导散射边界；构建SAR图像生成网络，包括引入多层注意力机制的生成器、判别器和分类器；将主导散射边界、几何结构图和类别标签输入生成器，获得生成的SAR图像；将生成的SAR图像或真实SAR图像输入判别器，用于判断图像属于真实样本还是生成样本；将生成的SAR图像或真实SAR图像以及对应的类别标签输入分类器，用于判断图像的类别；判别器和分类器均将判断结果反馈至生成器。本发明专利技术生成的SAR图像具有明显的主导散射边界，有效改善了生成目标数据不符合SAR成像物理规律的问题。

【技术实现步骤摘要】

本专利技术涉及图像生成，尤其涉及融合几何信息的sar目标数据智能生成方法。

技术介绍

1、合成孔径雷达(synthetic aperture radar，sar)是一种主动遥感，具有全天时、全天候、大范围观测成像的能力，由于其在极端环境下的优势，sar相关领域的研究持续获得大量关注。而近年来随着深度学习的进一步发展，深度神经网络也被广泛应用在sar相关领域。其中大量应用涉及到sar目标图像处理，如sar自动目标识别、目标分类等。目前被广泛应用于目标图像处理的多角度公开数据集是mstar(the moving and stationarytarget acquisition and recognition)数据集，但是该数据集无论是目标类型丰富程度还是数据规模都难以支持深度学习模型训练。依赖真实实验获取多角度、多目标类型的sar真实数据成本高昂，因此有学者提出使用sar图像生成方法对现有数据集进行扩充。

2、目前常用的sar图像生成方法主要分为两类。第一类是以目标sar数据为基础生成对应的sar数据，具体可以细分为两种方法。第一种是电磁计算仿真，本文档来自技高网...

【技术保护点】

1.融合几何信息的SAR目标数据智能生成方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的融合几何信息的SAR目标数据智能生成方法，其特征在于，所述引入多层注意力机制的生成器包括依次连接的编码器、连接单元和解码器，其中，

3.根据权利要求2所述的融合几何信息的SAR目标数据智能生成方法，其特征在于，所述编码器的处理过程，包括如下步骤：

4.根据权利要求2所述的融合几何信息的SAR目标数据智能生成方法，其特征在于，所述第一注意力模块中卷积层的卷积核大小为7×7；

5.根据权利要求1所述的融合几何信息的SAR目标数据智能生成方法，其特征...

【技术特征摘要】

1.融合几何信息的sar目标数据智能生成方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的融合几何信息的sar目标数据智能生成方法，其特征在于，所述引入多层注意力机制的生成器包括依次连接的编码器、连接单元和解码器，其中，

3.根据权利要求2所述的融合几何信息的sar目标数据智能生成方法，其特征在于，所述编码器的处理过程，包括如下步骤：

4.根据权利要求2所述的融合几何信息的sar目标数据智能生成方法，其特征在于，所述第一注意力模块中卷积层的卷积核大小为7×7；

5.根据权利要求1所述的融合几何信息的sar目标数据智能生成方法，其特征在于，所述判别器包括依次连接的第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块和第五卷积模块；所述分类器包括依次连接的第一卷积模块、第二卷积模块...

【专利技术属性】
技术研发人员：程建达，李昕蔚，项德良，孙晓坤，刘烨，唐嘉昕，
申请(专利权)人：临沂大学，
类型：发明
国别省市：