使用DH-GAN进行自动目标识别的SAR图像生成方法

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 人工智能的人工智能

背景情况:

• 合成孔径雷达 (SAR) 图像目标识别已经与卷积神经网络 (CNN) 取得了进展.
• 获取真实SAR图像是资源密集型 (时间和成本).
• SAR图像受到斑点噪声的影响,这是一种高频干扰.

研究的目的:

• 引入 DH-GAN,一个具有双区分器和高频传递过器的生成对抗网络 (GAN).
• 为了生成高保真模拟SAR图像,捕捉现实世界的高频特征.
• 评估DH-GAN生成图像的有效性,用于训练CNN在目标识别任务中.

主要方法:

• 开发 DH-GAN,结合双分辨器和高频传递过器.
• 使用拟议的DH-GAN模型生成模拟的SAR图像.
• 通过功率光谱密度 (PSD) 分析和比较实验进行验证.

主要成果:

• DH-GAN成功生成模拟SAR图像,模拟真实SAR数据的高频组件.
• 功率光谱密度 (PSD) 分析证实了生成图像的真实性.
• 在DH-GAN生成图像上训练的CNN模型显示了增强的目标识别能力.

结论:

• DH-GAN为生成真实的SAR图像提供了可行的解决方案,克服了真实数据采集的局限性.
• 生成的图像有效地保留了对目标识别至关重要的高频特征.
• 使用DH-GAN模拟数据显著提高了基于CNN的SAR目标识别系统的性能.