.png){kind=icon}
返回
Two-Stage SAR Image Generation Based on Attribute Feature Decoupling
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2025.3645620.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度学习的合成孔径雷达（SAR）目标检测与识别方法的训练高度依赖于大量数据。作为解决SAR数据稀缺问题的重要途径之一，SAR图像智能生成方法已取得快速发展。然而，这些方法通常需要大量数据样本进行学习，且易偏离物理散射特性。为解决这些问题，本文提出了一种基于生成对抗网络（GAN）架构内属性特征解耦的两阶段SAR图像生成方法。在第一阶段，原始SAR目标图像经过特征提取与重建，生成与真实图像高度相似的图像。此过程中解耦的属性特征与SAR目标的散射特性相关联，为第二阶段的图像生成提供指导信息。在第二阶段，通过对解耦特征的特定维度施加扰动，可以重建具有改变属性的图像，实现多样化的数据增强。基于像素强度、真实性和特征距离差异的多任务判别从多层面提升了生成图像的质量。解耦表示驱动的生成范式通过任务分解简化了网络的映射学习任务，降低了数据量的依赖。实验结果表明，所生成图像具有更高的质量和更优的应用性能，识别准确率提升了5.23%。
Keyword:
Generative adversarial network (GAN)
image generation
mapping learning
scattering characteristics
synthetic aperture radar (SAR)
two-stage
期刊
I
IF:
4.4
论文数:
714
被引数:
0
机构
引用论文
MASFF-Net: Multiazimuth Scattering Feature Fusion Network for SAR Target RecognitionMASFF-Net: 多方位散射特征融合网络用于SAR目标识别
OAAI
.png){kind=icon}
OAAI分享收藏分享收藏Zero-Shot SAR Target Recognition Based on a Conditional Generative Network with Category Features from Simulated Images基于从模拟图像中提取类别特征的、基于条件生成网络的零样本SAR目标识别OAAI
OAAI分享收藏DDM-CGAN: a modified conditional generative adversarial network for SAR target image generation
PREAI
分享收藏A Two-Stage SAR Image Generation Algorithm Based on GAN with Reinforced Constraint Filtering and Compensation Techniques基于GAN的具有强化约束滤波和补偿技术的两阶段SAR图像生成算法OAAI
OAAI分享收藏ATGAN: A SAR Target Image Generation Method for Automatic Target RecognitionATGAN：一种用于自动目标识别的SAR目标图像生成方法OAAI
OAAI分享收藏分享收藏
查看更多内容