GAN在SAR图像仿真中的应用
1. Target Recognition of SAR Image Based on CN-GAN and CNN in Complex Environment
文章来源:
https://ieeexplore.ieee.org/abstract/document/9371694
abstract:
提出了一种基于约束朴素生成对抗网络(CN-GAN)和卷积神经网络(CNN)的SAR图像目标识别方法。结合最小二乘生成对抗网络 (LSGAN) 和图像到图像转换 (Pix2Pix),CN-GAN 可以克服信杂噪比 (SCNR) 低、模型不稳定和图像自由度过大等问题传统GAN图像生成的问题。此外,我们在CNN中采用了浅层网络结构设计,可以有效提高模型的泛化能力,避免模型过拟合的问题。
主要解决的问题是SAR图像样本稀缺导致下游任务难以进行的难点。
So in this paper, the following contributions have been achieved:
Generate the high quality SAR images through CN-GAN;
Improve the SAR images SCNR through CN-GAN;
Use a shallow network CNN architecture to test the recognition rate of the enhanced images by CN-GAN;
实验采用的是MSTAR数据集。输入原始的SAR图像,可以通过CN-GAN网络生成新的SAR图像,扩充了样本。同时,可以对原先数据集中的图像通过生成网络进行加噪,从而达成了数据增强的目的。
2. Dialectical GAN for SAR Image Translation: From Sentinel-1 to TerraSAR-X
文章来源:
https://www.mdpi.com/2072-4292/10/10/1597/htm
abstract:
很少有人关注使用深度学习的不同SAR设备之间图像的转换。将低分辨率图像转换为高分辨率图像可能会引起遥感界的极大兴趣。首先,高分辨率图像,例如TerraSAR-X SAR图像,显示了更多细节,可以应用于创新的地球科学应用。其次,Sentinel-1图像的广域覆盖减少了多次采集的需求,从而降低了数据采集的成本。第三,研究人员访问开源哨兵-1图像比带电的TerraSAR-X图像容易得多。为了满足这些对高质量数据的要求,我们提出了一种基于对分层SAR信息和GAN框架的“辩证”结构的分析的“辩证GAN”(DiGAN)方法。用于验证的数据覆盖了城市地区,因此我们可以应用空间GramGramGram矩阵来提取几何排列信息,并应用GAN框架来定义额外的信息。
3. A High-Quality Multicategory SAR Images Generation Method With Multiconstraint GAN for ATR
文章来源:
https://ieeexplore.ieee.org/abstract/document/9387399
abstract:
提出了多约束GAN(MCGAN)模型用于生成SAR图像。首先,编码器用于约束生成的图像的多样性和相似性。其次,使用预训练的分类器作为约束来控制生成的图像的类别。然后, 将WGAN-GP的损耗函数扩展到所提出的模型中, 以进一步约束生成的图像.通过上述过程,生成的图像的质量得到了显着提高。
4. Exploiting GAN-Based SAR to Optical Image Transcoding for Improved Classification via Deep Learning
文章来源:
https://ieeexplore.ieee.org/abstract/document/8438032
abstract:
学习将 SAR 图像转码为光学图像的代理任务迫使采用条件生成对抗网络 (GAN) 来区分不同的地表。然后可以使用这样的网络来构建一个自由参数显着减少的分类器,即使在非常少量的标记数据上进行训练时也能很好地泛化。我们在对齐的 Sentinel-1 和 Sentinel-2 图像对上训练这样的 GAN。然后,我们表明,当只有非常有限数量的标记像素可用于训练时,使用从转码中学习到的这些特征的预训练分类器优于从头开始训练的分类器。
GAN在SAR图像仿真中的应用相关推荐
- 【图像配准】基于matab SAR-SIFT改进的SAR图像配准【含Matlab源码 2336期】
⛄一.基于SAR-SIFT改进的SAR图像配准 合成孔径雷达(synthetic aperture radar,SAR)图像配准的主要目标是对同一或不同传感器在不同时间.不同视点捕获的SAR图像进行配 ...
- 合成孔径成像算法与实现_MIMO OFDM宽幅SAR成像仿真与图像融合技术
在之前的<UWB OFDM信号产生,MIMO-SAR显优势>一文中,我们曾介绍了正交频分复用(OFDM)信号的产生原理及在雷达应用中的优势.本文将在此基础上介绍MIMO OFDM宽幅SAR ...
- 基于matlab的SAR图像中自动目标识别
一.前言 此示例演示如何使用深度学习工具箱和并行计算工具箱™™训练基于区域的卷积神经网络 (R-CNN) 以识别大场景合成孔径雷达 (SAR) 图像中的目标. 深度学习工具箱提供了一个框架,用于设计和 ...
- GEE:实现 Lee 杂波滤波器(Lee speckle filter)降低或去除SAR图像中的杂波(speckle noise)
作者:CSDN @ _养乐多_ 这段代码实现了一种叫做Refined Lee滤波器的雷达图像处理算法.Lee speckle filter(Lee杂波滤波器)是一种常用的合成孔径雷达(SAR)图像处理 ...
- 双向特征融合的数据自适应SAR图像舰船目标检测模型
双向特征融合的数据自适应SAR图像舰船目标检测模型 人工智能技术与咨询 昨天 本文来自<中国图象图形学报>,作者张筱晗等 摘要: 利用合成孔径雷达(synthetic aperture r ...
- MSTAR数据库结合深度学习(SAR图像目标检测与识别)
MSTAR数据库作为SAR图像自动目标识别(SAR ATR)研究的一个通用库,被很多学者广泛采用.从现有的SAR ATR系统处理流程来看,目标检测作为该系统的前端,很大程度上影响系统后续识别性能,在较 ...
- 【图像超分辨率】基于ResNet或GAN的遥感图像超分辨率论文
基于ResNet或GAN的遥感图像超分辨率论文 <空间感知残差网络的遥感图像超分辨率重建> 操作: 遥感图像特点: 网络模型: 去掉批处理层的原因: 具体操作 损失方程: <改进的残 ...
- sar图像去噪matlab,一种基于总曲率的SAR图像变分去噪方法与流程
本发明属于数字图像处理技术领域,具体涉及一种基于总曲率的SAR图像变分去噪方法. 背景技术: : 相干斑噪声是合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像的重要特征 ...
- SAR图像变化检测的评价方法
SAR图像变化检测的相对客观评价标准一般由虚警率,漏检率和总错误率构成,有些也加上算法的运行时间.关于虚警率和漏检率的问题,之前在第一次做这个的时候写错,被导师说了一顿,网上也没有发现这两个的计算方法 ...
- 【每周CV论文推荐】初学基于GAN的三维图像生成有哪些经典论文需要阅读
欢迎来到<每周CV论文推荐>.在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的. 当前二维图像生成领域的发展已经非常成熟,但是 ...
最新文章
- java程序设计_Java程序设计:学习笔记(4-5)(未完工)
- 今后军队将完全人工智能化?停止幻想!大趋势和大方向不容改变
- druid sql黑名单 报异常 sql injection violation, part alway true condition not allow
- 我设计的简单事务控制
- Property Exercise
- IAR切BANK--命令连接器文件xcl格式说明
- carbondata 1.1.0安装文档
- 上午的工作多以学习为主
- 4.linux基础1
- Creative Cloud Cleaner Tool mac卸载adobe系列软件详细教程
- NoteExpress免费版只7个引文样式#NoteExpress免费版新增引文样式
- 途牛原创|基于EAV模型的运营系统架构实践
- Python数据分析 第一章 数据分析的概述
- php高级程序员/php开发工程师/web技术员
- 使用cesium加载mapbox地图底色的办法
- 记录 Org 和 Markdown 的一些异同
- 独角兽项目 7 - 从环境到测试
- 基于skyline的城市三维建模研究
- LeetBook哈希表专题题解(详解/一题多解)
- 转转大师免费删除PDF文件密码