[发明专利]有限样本下属性引导的SAR图像生成方法

说明书

本发明提供了一种有限样本下属性引导的SAR图像生成方法。主要解决训练样本有限的情况下，现有的SAR图像生成对抗网络容易产生网络崩塌或者生成的仿真图像的真实感较差的问题。本发明的步骤如下：(1)构建训练集；(2)构建生成器网络；(3)构建判别器网络；(4)构建属性引导的生成对抗网络；(5)训练属性引导的生成对抗网络；(6)使用训练好的属性引导的生成对抗网络生成SAR仿真图像。本发明可在训练样本数量有限情况下训练属性引导的生成对抗网络，再利用训练好的属性引导的生成对抗网络，生成指定类别和方位角度的SAR图像，且生成的SAR图像的真实性更高。

技术领域

本发明属于雷达技术领域，更进一步涉及雷达遥感图像处理技术领域中的一种有限样本下属性引导的SAR图像生成方法。本发明可在训练集中目标域数据集中每类的样本数量有限时，生成指定类别和方位角度的SAR图像。

背景技术

基于深度神经网络的目标特征提取和识别非常依赖目标数据集中的样本数量，但是获取大量具有标注信息的SAR图像是一件非常费事且昂贵的任务。获取大量SAR图像的方法主要有三种技术手段，一种是传统的基于物理仿真模型的方法，如几何光学逼近、Kirchhoff物理光学方法等方法，这些方法计算过程复杂，消耗极大的内存空间；一种是通过对数据进行平移、剪切、旋转、缩放、添加噪声等方式，增加数据样本的数量；另一种是基于生成对抗网络的图像生成算法，这种方法可以生成逼真且多样的样本图像，具有端到端的优势，但是尚存在以下不足：训练过程中需要大量的训练数据，且容易产生生成图像质量较差的问题。

电子科技大学在其拥有的专利技术“一种基于深度卷积生成对抗网络的SAR图像定向生成方法”(专利申请号2018101674160，授权公告号CN108399625B)中提出了一种基于生成对抗网络的SAR图像生成方法。该方法在深度卷积生成对抗网络方法基础上，提出了一种深度卷积生成对抗网络添加方位角判别模型的方法。该方法的具体步骤是，基于SAR目标分割与边缘提取，通过边缘外接最小外接矩形法，通过计算垂直方向的北端起与最小外接矩形的最长边顺时针的夹角，作为此生成SAR图像目标的方位角。该方法定向生成SAR图像，对于SAR图像数据集的数据扩充起到很大作用。该方法存在的不足之处是：在大量训练样本的基础上，训练生成对抗网络，以此来提高利用训练好的模型生成图像的质量。但是，当训练样本有限的情况下，容易产生网络崩塌或者生成的仿真图像质量较差等问题。

西安电子科技大学在其拥有的专利技术“一种高分辨SAR图像的快速仿真方法”(申请号201610330190.2，授权公告号CN105842698B)中提出了一种高分辨SAR图像的快速仿真方法。该方法的具体步骤包括：建立目标场景的三维模型；确定目标场景的成像几何以及所需的采样射线的起点以及方向矢量；对目标场景建立基于bin的SAH-BVH面元划分结构；利用上述的BVH结构进行快速的射线追踪并获取交点信息；确定获取的后向散射能量图；合成最终的SAR图像。该方法能够高效快速的仿真所需目标场景的SAR图像，用于SAR图像的解译以及目标的自动识别。但是该方法仍然存在的不足之处是：首先要建立关于目标的三维模型，但在复杂的外部环境中，需考虑的因素繁多、建模过程较为复杂，导致仿真结果真实感较差，无法准确地获得所需目标场景的SAR图像样本。

发明内容

本发明的目的在于针对上述现有技术的不足，提出了一种有限样本下属性引导的SAR图像生成方法，旨在解决在训练集中目标域数据集中每类的样本数量有限情况下，训练生成对抗网络时带来的网络崩塌或者生成图像质量较差的问题。

本发明实现上述目的的思路是：构建一个属性引导的生成对抗网络，生成器网络输入部分不仅包括随机向量，而且加入了图像的类别标签和方位角度信息，使得属性引导的生成对抗网络可以在图像重建过程中加入指定的类别标签和方位角度，生成指定类别标签和方位角度的仿真图像。通过采用少样本学习方法中情景训练的方式，即随机从训练集的全部类别中随机选取的n个类别，每个类别选取m幅SAR图像组成了支撑集，利用支撑集训练属性引导的生成对抗网络，使得本发明可以适用于每类的训练样本数量较少的SAR图像。

本发明的具体步骤包括如下：