【技术实现步骤摘要】
本专利技术涉及深度学习，特别是涉及一种sar图像生成模型、方法、设备、系统及程序产品。
技术介绍
1、在合成孔径雷达（sar）目标识别与分析中，全面覆盖目标各个方位角的图像数据是提高识别精度的关键。然而实际情况是，sar图像数量不足、获取困难且资源消耗大。即使有一些sar图像，它们也可能是通过不同的成像条件（如波段、平台、方位角等）获得的，这些sar图像缺乏足够的目标信息，难以满足sar领域的研究需求。
2、为解决该问题，近年来开展了多种研究，sar目标图像获取方法主要有三种：1）实测数据采集、2）暗室测量和3）电磁模拟。首先，实测数据采集可以在不同的平台下获取不同的实际场景下的sar目标图像，这些获取的数据是最真实、最有效的。暗室测量也与之类似，能得到在受控环境下具有高信噪比和较高精度的sar目标图像。然而，这种获取方式会耗费大量的人力、物力和时间资源，并且每次实验获取的sar目标图像数量往往有限，导致其不能作为一种经济有效的方法来获取足够的sar数据。而通过电磁仿真生成全方位角sar图像的结果与三维模型和电磁计算方法的精度有关。但三维模型和电磁计算方法精度的提升往往伴随指数级增长的计算量，导致计算效率降低。此外，当每一个不同的雷达参数发生变化时，电磁仿真的计算需要从头开始，无法利用已有的仿真数据的先验知识。因此用传统方式获取大规模、多方位角的sar图像数据集存在较大困难。
3、基于深度生成模型生成sar图像的研究带来了新的可能性。相比传统方法，深度学习生成模型能够通过自适应学习目标的多角度散射特性，将
4、生成对抗网络（gan）作为一种广泛应用的生成模型，通过在生成器和判别器之间的博弈式训练，能够在生成的图像中保留目标的关键纹理和细节特性。在实际应用中，诸如条件gan（cgan）、辅助分类gan（acgan）等变体模型在控制生成图像的方位角、目标类型等条件变量方面表现出色，使生成的sar图像更加贴合真实数据的分布。
5、2017年，song等（q. song and f. xu, “zero-shot learning of sar targetfeature space with deep generative neural networks,” ieee geosci. remotesens. lett., vol. 14, no. 12, pp. 2245–2249, dec. 2017, doi: 10.1109/lgrs.2017.2758900.）提出了一种基于深度学习的方法，其通过一个全连接网络将类别特征等方向不变特征映射到二维空间，并于方位特征组合到一起输入生成模型当中。同时训练一个表示生成模型逆过程的解释器，能将图像输出为方位不变特征和方位特征的组合。通过优化生成器输入的与解释器输出的二维特征之间的距离，最终得到稳定的sar图像生成网络。此模型将类别与方位角特征融入sar图像gan生成当中，能针对性的生成特定类别与特定方位角的目标sar图像，同时解释器的使用能将未知图像映射到已知的特征空间中，并根据与已知目标特征的距离估计其类别与方位，在零样本或单样本情况下预测情况仍然较好。虽然特征空间能够反映目标间的相似性，但其物理意义不直观，并且对未见目标的方向预测精度较低，误差分布具有一定的离散性。最终训练好的解释器在目标识别任务中可以达到96.8%的准确率，估计方位角与真实方位角的误差为16°。
6、2018年，zhang等（m. zhang, z. cui, x. wang, and z. cao, “dataaugmentation method of sar image dataset,” in igarss 2018 - 2018 ieeeinternational geoscience and remote sensing symposium, valencia: ieee, jul.2018, pp. 5292–5295. doi: 10.1109/igarss.2018.8518825.）提出使用dcgan来生成具有特定方位角的sar图像，其通过稀疏模型对缺失的方位角图像进行线性组合，利用两幅已知方位角的sar图像来扩充数据集。生成图像后对sar图像进行分割，得到二值图像，计算二值图像最小外接矩阵方位角为目标方位角，输出符合期望方位角的图像。其假设目标特征可以通过稀疏基的线性组合准确重构，然而，sar图像具有高度非线性的散射特性，不同方位角下的图像变化复杂，仅用稀疏线性组合难以捕捉这些变化，导致生成图像失真。同时模型仅使用方位角判别器用作输出图像筛选，并未充分利用sar图像的方向信息来引导生成器学习，因此较难生成指定方位角的图像。
7、2019年，wang等（j. wang, j. li, b. sun, and z. zuo, “sar imagesynthesis based on conditional generative adversarial networks,” j. eng.,vol. 2019, no. 21, pp. 8093–8097, nov. 2019, doi: 10.1049/joe.2019.0696.）提出使用电磁仿真辅助gan模型生成指定方位角的sar图像。其通过对真实目标建模，生成全方位角的仿真图像，并于方位角条件标签联合用作生成器输入，学习仿真图像与真实图像之间的关系。尽管有着不错的生成效果，但由于需要电磁仿真和cgan训练，计算复杂度最高，难以大规模应用。同年，zhai等（j. zhai, x. dang, f. chen, x. xie, y. zhu, and h.yin, “sar image generation using structural bayesian deep generativeadversarial network,” in 2019 photonics & electromagnetics research symposium- fall (piers - fall), xiamen, china: ieee, dec. 2019, pp. 1386–1392. doi:10.1109/piers-fall48861.2019.9021403.）提出使用贝叶斯网络建模连续方位角之间的依赖关系。通过使用多张相邻方位角的sar图像组合，从中提取全局和局部特征，随后生成器利用提取到的特征生成后续方位角的图像。通过这种方法模型能更有效地捕捉连续方位角的变化特性，但对数据集要求较高，如果数据间隔过大或不连续，可能导致生成效果下降。
8、2021年，liang等（梁墨翰 and 皮亦鸣, “基于生成对抗网络的多视角sar图像目标数据扩充研究,” 硕士, 10.27005/d.cnki.gdzku.2021.000850, 2021. [online].available: https://li本文档来自技高网...
【技术保护点】
1.一种SAR图像生成模型，其特征在于，所述SAR图像生成模型为生成角度受控的生成对抗网络GAC-GAN，用于生成指定方位角的SAR图像；
2.根据权利要求1所述的一种SAR图像生成模型，其特征在于，所述特征提取层用于将接收到的基于第一方位角的第一SAR输入图像、基于第二方位角的第二SAR输入图像以及方位角控制变量分别输入三个并行的输入模块、和，提取得到第一SAR输入图像对应的第一目标特征、第二SAR输入图像对应的第二目标特征以及方位角控制变量对应的方位角控制特征，公式定义为：，，；
3.根据权利要求1所述的一种SAR图像生成模型，其特征在于，所述相似性鉴别器用于学习真实SAR标签图像的分布特征，判断所述生成器生成的SAR目标图像与对应的真实SAR图像的相似程度，根据判断结果优化生成器；
4.根据权利要求3所述的一种SAR图像生成模型，其特征在于，所述生成器与所述相似性鉴别器的损失函数定义为：
5.根据权利要求2所述的一种SAR图像生成模型，其特征在于，在所述特征提取层中，在将SAR输入图像输入至所述输入模块前，利用属性散射中心调制
6.根据权利要求2所述的一种SAR图像生成模型，其特征在于，所述特征融合层采用条件批归一化处理；
7.一种SAR图像生成方法，其特征在于，所述方法包括：
8.一种SAR图像生成设备，其特征在于，所述设备包括：处理器和存储器；
9.一种SAR图像生成系统，其特征在于，所述系统包括：
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序指令，该计算机程序指令被处理器执行时实现如权利要求7所述的一种SAR图像生成方法的步骤。
...【技术特征摘要】
1.一种sar图像生成模型，其特征在于，所述sar图像生成模型为生成角度受控的生成对抗网络gac-gan，用于生成指定方位角的sar图像；
2.根据权利要求1所述的一种sar图像生成模型，其特征在于，所述特征提取层用于将接收到的基于第一方位角的第一sar输入图像、基于第二方位角的第二sar输入图像以及方位角控制变量分别输入三个并行的输入模块、和，提取得到第一sar输入图像对应的第一目标特征、第二sar输入图像对应的第二目标特征以及方位角控制变量对应的方位角控制特征，公式定义为：，，；
3.根据权利要求1所述的一种sar图像生成模型，其特征在于，所述相似性鉴别器用于学习真实sar标签图像的分布特征，判断所述生成器生成的sar目标图像与对应的真实sar图像的相似程度，根据判断结果优化生成器；
4.根据权利要求3所述的一种sar...
【专利技术属性】
技术研发人员：崔永杰，刘致曲，孙维东，王宁，邵芸，盛博文，卞小林，张婷婷，刘鸣，
申请(专利权)人：中科卫星应用德清研究院，
类型：发明
国别省市：
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。