[发明专利]一种基于CGAN的ISAR图像到光学图像转换方法

说明书

本发明提供一种基于CGAN的ISAR图像到光学图像转换方法。技术方案是：构建的深度神经网络结构为包含2个CGAN；第一个CGAN为目标任务网络，将ISAR图像生成光学图像；第二个CGAN为辅助网络，用于将第一个CGAN生成的光学图像生成边缘图像。其中，目标任务网络包含光学图像生成器G1，第一判别器D1。辅助网络包含边缘图像生成器G2，第二判别器D2。对图像进行转换时，将待转换的ISAR图像输入至光学图像生成器G1，得到相应的光学图像。本发明将图像边缘等细节信息增加到ISAR图像转换为光学图像的判别过程中，使得生成的光学图像具有边缘清晰、细节显著的特点，可用于提升目标识别性能。

技术领域

本发明涉及雷达目标识别领域，更具体地说，涉及一种利用CGAN(ConditionalGenerative Adversarial Network,条件生成对抗网络)将ISAR(Inverse SyntheticAperture Radar,逆合成孔径雷达)图像转换成光学图像的方法。

背景技术

随着环境监测与目标侦察需求的拓展和深化，雷达作为一种全天候、远距离、非合作的传感探测设备，要求其具有更精细、可靠的目标识别能力。基于ISAR图像的目标识别是雷达目标识别的重要研究方向，在防空反导、预警探测、空间监视等领域具有重要的研究意义和应用价值。

现有的ISAR目标识别通常提取ISAR图像的散射点部分、几何结构等作为特征。由于目标姿态的连续变化，难以提取出稳健的特征，且用于分类的目标特征模板库数据依赖性强，识别方法在实际应用中效果欠佳。深度神经网络作为图像特征提取的有力工具，近年来被用于提取雷达图像的高维抽象特征，通过良好的训练，能取得良好的识别效果。但基于深度神经网络的雷达图像识别应用依然有限，其原因主要有两个方面，一是目标运动姿态和雷达参数影响了雷达成像质量，造成散焦、低分辨等，制约识别性能；二是稳健的识别网络需要大量的样本进行训练，然而ISAR图像主要针对非合作目标，样本获取困难。

鉴于深度学习在光学图像识别领域的成功应用，通过将雷达图像转换为光学图像，以期提高目标识别率。雷达图像到光学图像的转换可以视为两种风格图像的迁移。目前，能实现图像风格迁移的网络可分为两类：第一类是网络训练过程中，基于非配对雷达图像和光学图像的方法，参见文献一：Isola,Phillip,et al.Image-to-image translationwith conditional adversarial networks.Proceedings of the IEEE conference oncomputer vision and pattern recognition.2017；第二类是网络训练过程中，基于配对雷达图像和光学图像的方法，参见文献二：Zhu,Jun-Yan,et al.Unpaired image-to-image translation using cycle-consistent adversarial networks.Proceedings ofthe IEEE international conference on computer vision.2017。第一类方法存在的问题是图像间的迁移属于域到域的转换，而输入和生成的图像像素之间不是一一映射的。第二类方法的特点是能够实现输入与输出之间的像素映射，在结构和语义上具有一致性。但是存在的问题是这类方法的普适性不强，针对不同的具体任务，或出现边缘模糊、颜色失真、细节缺失等问题。

发明内容

为提升雷达目标识别能力，本发明提供一种基于CGAN的ISAR图像到光学图像转换方法，能够将目标ISAR图像转换为光学图像，随后应用于雷达目标的识别。

本发明的技术方案是：一种基于CGAN的ISAR图像到光学图像转换方法，其特征在于，训练神经网络时，构建的深度神经网络结构为：