[发明专利]一种基于生成对抗神经网络的SAR图像去旁瓣方法

权利要求书

1.一种基于生成对抗神经网络的SAR去旁瓣方法，其特征在于，包括以下步骤：

第一步：基于生成对抗网络的pix2pix模型构建去旁瓣网络，以有旁瓣的点目标图作为网络的输入，以对应的无旁瓣的点目标图作为网络的标签，以基于生成对抗网络生成的无旁瓣的结果图作为网络的输出；

第二步：给随机点目标赋上不同的强度值得到无旁瓣的点目标图，将无旁瓣的点目标图像卷积二维冲击响应函数生成对应的有旁瓣的点目标图像，构建仿真数据训练集；

第三步：利用第二步的仿真数据对第一步搭建的去旁瓣网络模型进行训练；

第四步：利用第三步训练好的去旁瓣网络模型对SAR图像进行去旁瓣；

具体的：

第二步中，设仿真图像的尺寸设置为M*N像素，构建无旁瓣点图时，对M*N像素区域中设置随机点，每一个随机点目标设置一个灰度强度值，该像素区域的背景设置为黑色，并对背景区域强度设置为零值；

第二步中，构建有旁瓣点图时，将无旁瓣点图在距离向和方位向卷积一个冲击响应，得到的sinc波形即为有旁瓣点图；

第四步中，先对SAR图像进行灰度化和尺寸归一化处理，再将处理后图像输入训练好的去旁瓣网络模型进行测试。

2.根据权利要求1所述的基于生成对抗神经网络的SAR去旁瓣方法，其特征在于，第一步中，去旁瓣网络模型的损失函数由对抗损失和像素损失两部分构成，其中对抗损失的公式如下：

其中，x是输入图像，z是真实目标图像，G(x)是生成器网络生成的图像，D(.)表示鉴别器判断成真实图片的概率，D(G(x))表示鉴别器网络判定生成器产生的图像为真实图片的概率，生成器网络的目标是希望这个概率尽可能的大，也就是使1-D(G(x))尽可能小，使V(D，G)尽可能小；D(z)是鉴别真实目标图像的概率，鉴别器的目标是使这个值尽可能大，也就是使V(D，G)尽可能大；在训练的过程中，生成器和鉴别器都以优化各自损失函数的形式相互对抗从而提升各自的能力，生成器去最小化这个目标函数，而鉴别器去最大化这个函数，两者相互对抗；

像素损失V_L是通过计算生成图和目标图之间的L1距离来得到的，这是为了保证输入图像和输出图像之间的相似度，公式如下：

V_L＝E[|z-G(x)|]

因此，网络的总损失loss表述为下式：

其中，α是一个系数。