一种潜在空间映射和层级控制合成的SAR目标图像仿真方法技术

本发明专利技术公开了一种潜在空间映射和层级控制合成的SAR目标图像仿真方法，属于航空图像处理领域；首先，获取若干张遥感SAR图像划分为训练集和测试集，并进行预处理，得到类别标签张量；然后，改进潜在空间映射模块，对输入的随机噪声和类别标签张量进行处理，得到潜在空间张量W；同理，改进层级控制合成模块，对输入的初始特征图和潜在空间张量W进行处理，得到仿真SAR图像输出；在此基础上，构建生成对抗网络的生成器和判别器；并引入正则化，构建混合损失函数。通过实时采集指定形状的随机噪声和类别标签输入生成器，输出仿真SAR图像；并与训练集输入判别器优化生成对抗网络；最后，用测试集评估仿真结果；本发明专利技术提高了SAR图像仿真的准确率。

【技术实现步骤摘要】

本专利技术属于航空图像处理领域，具体是一种潜在空间映射和层级控制合成的sar目标图像仿真方法。

技术介绍

1、合成孔径雷达(sar)相比其他遥感手段，具备强大的工作能力和独特优势，被广泛应用与各领域。sar图像解译是sar系统应用的重要环节，而sar图像生成技术不仅可以用于欺骗干扰，还能为后续图像处理研究提供数据支持。

2、在实际应用中，sar图像解译常常面临数据集不足，同时因噪声干扰的存在，sar数据集的质量也往往不够稳定。现有的可见光图像到sar图像的生成算法主要分为基于传统图像处理和基于深度学习两大类；传统方法可通过裁剪、加噪等操作扩充sar图像数据集，也能通过图像分割与重构的方式扩充数据，但生成的重建图像质量不高，难以真正提升数据集的有效性。

3、随着深度学习在图像处理领域的迅速发展，深度生成模型在sar图像生成和处理方面展现了显著优势。

4、卷积神经网络(cnn)作为许多复杂生成模型的基础，在解决sar图像分割实际问题中发挥了重要作用。生成对抗网络(gan)作为深度生成模型的代表，凭借强大的生成能力、快速收敛、本文档来自技高网...

【技术保护点】

1.一种潜在空间映射和层级控制合成的SAR目标图像仿真方法，其特征在于，包含以下步骤：

2.如权利要求1所述仿真方法，其特征在于，所述步骤一的预处理是指：将图像统一裁剪为相同的尺寸，并标注类别信息。

3.如权利要求1所述仿真方法，其特征在于，所述步骤二的具体结构为：

4.如权利要求1所述仿真方法，其特征在于，所述步骤三中，对于合成块，其输入图像X形状为[in_channels,in_res,in_res]，输入的潜在空间张量W被拆分为一个形状为[1,w_dim]的张量W_1和一个形状为[k-1,w_dim]的张量W_2；

>5.如权利要求1所...

【技术特征摘要】

1.一种潜在空间映射和层级控制合成的sar目标图像仿真方法，其特征在于，包含以下步骤：

2.如权利要求1所述仿真方法，其特征在于，所述步骤一的预处理是指：将图像统一裁剪为相同的尺寸，并标注类别信息。

3.如权利要求1所述仿真方法，其特征在于，所述步骤二的具体结构为：

4.如权利要求1所述仿真方法，其特征在于，所述步骤三中，对于合成块，其输入图像x形状为[in_channels,in_re...

【专利技术属性】
技术研发人员：李红光，孟令捷，李新军，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人