.png){kind=icon}
返回
PC-DiffSAR: Physics-Constrained Controllable Diffusion Model for Complex-Valued SAR Target Data Augmentation
.png){kind=icon}
OA
AI
DOI：10.1109/jstars.2026.3717244.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前用于数据增强的合成孔径雷达（SAR）图像生成方法存在三个根本性限制：连续视角角控制精度不足、异构条件融合效果不佳以及复数值物理保真度受损。这些限制阻碍了有效的SAR自动目标识别（ATR）数据增强。为解决这些挑战，本文提出了一种面向SAR-ATR数据增强的物理约束可控扩散模型（PC-DiffSAR）。首先，引入了一种时间步调制视角编码机制。它通过适应扩散过程不同阶段的动态调制，实现了连续视角角的精确可控生成。随后，设计了一种并行多源交叉注意力机制。它通过独立的键-值投影路径解耦异构条件的参数优化，实现了目标类别和视角角的联合控制。最后，构建了一种幅度加权的复数值约束损失函数，利用扩散前向过程的闭式解来保持实部和虚部之间的固有相干性。这不仅维持了复数值物理保真度，还保留了实值网络的计算效率。在移动和静止目标获取与识别数据集上的实验表明，PC-DiffSAR在生成质量、物理保真度和条件控制精度方面均优于现有方法。数据增强实验证实，在少样本场景下，该方法将分类准确率提高了约9～17个百分点。这证明了该方法在少样本SAR-ATR应用中的实用价值。
Keyword:
Automatic target recognition (ATR)
conditional controllable generation
data augmentation
diffusion model
physical constraints
synthetic aperture radar (SAR)
期刊
IF:
5.3
论文数:
1.7K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容