利用預(yù)設(shè)的虛假目標(biāo)圖像模板進行信號反演,是SAR欺騙干擾的一種有效手段。為了提供逼真度高的虛假目標(biāo)圖像模板,提出一種基于深度卷積生成式對抗網(wǎng)絡(luò)（DCGAN）的SAR虛假目標(biāo)圖像生成方法。通過分析模板圖像的目視效果、統(tǒng)計特性和在目標(biāo)識別網(wǎng)絡(luò)中的表現(xiàn),評估虛假目標(biāo)模板圖像的逼真度。實驗證明,DCGAN能生成特征明顯的目標(biāo)圖像,在目視效果和統(tǒng)計特性方面與真實目標(biāo)圖像近似度較高。目標(biāo)識別網(wǎng)絡(luò)的檢測效果也體現(xiàn)出模板圖像具有較高可信度,證明該仿真方法生成虛假目標(biāo)圖像模板的有效性。 

【文章來源】：電子信息對抗技術(shù). 2020,35(02)

【文章頁數(shù)】：6 頁

【部分圖文】：

生成式對抗網(wǎng)絡(luò)結(jié)構(gòu)圖

生成SAR圖像的生成器模型如圖 2所示,生成器的四層網(wǎng)絡(luò)使用微步幅卷積(Fractionally-strided Convolution)連接,代替最大池化進行上采樣操作。設(shè)置卷積核為4×4,步幅為2。生成器中每一層用ReLU (Rectifled linear unit)激活函數(shù)取代了原始GAN中的Tanh函數(shù)通過融合卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)特點,提升了生成網(wǎng)絡(luò)在學(xué)習(xí)圖片特征時的能力,使生成樣本質(zhì)量得到提高。判別器的結(jié)構(gòu)如圖 3所示,判別器網(wǎng)絡(luò)使用步幅卷積(Strided Convolution)連接,代替池化層進行下采樣操作,每一層使用Leaky ReLU (Leaky rectifled linear unit)激活函數(shù)。圖3 判別器網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 生成器網(wǎng)絡(luò)結(jié)構(gòu)圖通過利用SAR目標(biāo)圖像訓(xùn)練DCGAN,使其最終生成高質(zhì)量的SAR目標(biāo)圖像。生成器最初輸入的是隨機分布的噪聲,鑒別器根據(jù)輸入的訓(xùn)練樣本對生成器輸出的圖像進行判斷,其反饋結(jié)果能進一步指導(dǎo)生成器的優(yōu)化。SAR目標(biāo)圖像具有背景復(fù)雜度不高,目標(biāo)位置、特征較突出等特性,為了適應(yīng)SAR圖像為灰度圖的特點,我們在DCGAN結(jié)構(gòu)中加入了一個判斷模塊,首先檢查輸入圖片的通道數(shù),如果通道數(shù)為一,則按照圖片為灰度圖來對待。

【參考文獻】：
期刊論文
[1]超寬帶SAR虛假圖像干擾技術(shù)[J]. 沈愛國.  太赫茲科學(xué)與電子信息學(xué)報. 2018(03)
[2]欺騙目標(biāo)仿真SAR圖像可信度評估方法[J]. 李國靖,葉偉,勞國超,張子博.  電子信息對抗技術(shù). 2018(03)
[3]一種虛假大場景SAR快速轉(zhuǎn)發(fā)式欺騙干擾方法研究[J]. 趙博,楊軍,孫光才,周峰,保錚.  電子與信息學(xué)報. 2012(04)
[4]基于電磁散射的復(fù)雜目標(biāo)SAR回波與圖像仿真[J]. 張銳,洪峻,明峰.  電子與信息學(xué)報. 2010(12)
[5]基于電磁散射特性計算的目標(biāo)SAR圖像仿真[J]. 李仁杰,計科峰,鄒煥新,周石琳.  雷達科學(xué)與技術(shù). 2010(05)



本文編號：3252964