| 一种基于散射特征增强的SAR目标电磁仿真图像质量提升方法 |
| |
| 引用本文： | 张祥辉,封斯嘉,马晓杰,张思乾,孙浩,计科峰,陈珲.一种基于散射特征增强的SAR目标电磁仿真图像质量提升方法[J].信号处理,2023(9):1573-1586. |
| |
| 作者姓名： | 张祥辉 封斯嘉 马晓杰 张思乾 孙浩 计科峰 陈珲 |
| |
| 作者单位： | 1. 国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室;2. 东南大学信息科学与工程学院,毫米波国家重点实验室 |
| |
| 基金项目： | 国家自然科学基金（62001480,61971426）；;湖南省自然科学基金（2021JJ40684）； |
| |
| 摘 要： | 现阶段深度学习算法在对合成孔径雷达（Synthetic Aperture Radar,SAR）目标识别时，通常面临着实测数据部分样本缺失的情况，利用电磁仿真数据进行辅助识别是有效途径之一。然而，仿真和实测数据存在不可避免的差异，现有仿真图像质量提升方法更关注仿真和实测图像整体风格的相似性，忽略了面向识别的目标散射特征的重要性。针对上述问题，本文提出了一种基于散射特征增强的SAR目标电磁仿真图像质量提升方法。该方法在循环生成对抗网络（Cycle Generative Adversarial Networks,CycleGAN）框架下，改进损失函数，一方面使用最小二乘损失函数替代交叉熵损失函数，避免了梯度消失，实现对目标纹理结构特征的迭代优化；另一方面引入MS-SSIM-L1损失函数，更好地保留生成图像的细节信息和结构轮廓，保持目标整体结构一致性，同时有效避免模型的过度学习。基于4类车辆目标仿真数据集和MSTAR实测数据集，利用目标轮廓、阴影轮廓和目标强度特征相似度指标，验证了本文方法增强了目标细节纹理和结构轮廓等散射特征。在此基础上，结合A-ConvNets网络开展了目标分类识别实验，相...
|
| 关 键 词： | 合成孔径雷达图像 循环生成对抗网络 仿真图像 质量提升 目标识别 |
|
|
