【技术实现步骤摘要】
本专利技术属于遥感，尤其涉及顾及目标散射特征的sar图像对抗样本生成方法。
技术介绍
1、基于深度学习的sar图像目标识别算法具有端到端特征学习的优势，能有效的提高目标识别率。因此，被广泛应用于军事侦察、海洋监测、地质勘探和天气预报等任务。然而，研究表明深度神经网络模型容易受到对抗样本的干扰。攻击者通过在sar图像中添加精心设计的微小扰动，就使得深度神经网络模型产生错误的识别结果。对抗样本的存在给sar目标识别任务带来严重威胁。
2、现有sar影像对抗样本生成技术主要可分为image adversarial example(i-ae)和pseudo physics adversarial example(pp-ae)两大类。其中，i-ae是指通过求解梯度优化、约束优化、估计决策边界和基于生成对抗网络(gan)等方式，在时域或频域的sar图像中添加人眼难以观察到的细微扰动，从而误导目标识别模型产生错误的预测。pp-ae则是根据属性散射中心模型构建对抗性散射体，或采用相位调制的方法来提高sar图像对抗扰动的物理可实现性。
...【技术保护点】
1.顾及目标散射特征的SAR图像对抗样本生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的顾及目标散射特征的SAR图像对抗样本生成方法，其特征在于，通过扰动三维目标物体散射特征参数来生成SAR对抗样本，包括：
3.根据权利要求2所述的顾及目标散射特征的SAR图像对抗样本生成方法，其特征在于，对三维目标模型的mesh进行渲染并得到二维SAR图像，包括对抗样本生成和散射特征参数优化；
4.根据权利要求3所述的顾及目标散射特征的SAR图像对抗样本生成方法，其特征在于，所述散射特征参数优化包括：
5.根据权利要求4所...
【技术特征摘要】
1.顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，通过扰动三维目标物体散射特征参数来生成sar对抗样本，包括：
3.根据权利要求2所述的顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，对三维目标模型的mesh进行渲染并得到二维sar图像，包括对抗样本生成和散射特征参数优化；
4.根据权利要求3所述的顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，所述散射特征参数优化包括：
5.根据权利要求4所述的顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，经sar图像仿真得到对抗样本x′的步骤如下：
6.根据权利要求5所述的顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，所述电磁散射模型包括：
7.根据权利要求6所述的顾及目标散射特征的sar图像对抗样本生成方法，其特征在于，攻击方案是通过调整对抗性散射特征参数来改变目标物体的回波强度，...
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。