基于谱归一化生成对抗网络的目标SAR图像仿真方法

摘要

为解决合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别(Automatic Target Recognition,ATR)中的数据稀疏问题,提出一种基于谱归一化生成对抗网络(Spectral Normalization Generative Adversarial Network,SN-GAN)的目标SAR图像仿真方法.本文方法通过构建目标—场景—雷达耦合物理模型,求解散射强度分布图,利用SN-GAN实现对散射强度分布图的优化,生成高质量仿真SAR图像.通过3种相似性评估算法对仿真图像进行相似度评估,验证本文仿真方法的有效性.最后通过多组SAR ATR进行实验验证,在训练集中加入SN-GAN优化的仿真SAR图像可以有效缓解数据稀疏问题,提升分类算法的准确率.