[发明专利]一种基于条件生成对抗网络的SAR图像仿真方法

说明书

本发明涉及基于条件生成对抗网络的SAR图像仿真技术，具体涉及一种基于条件生成对抗网络的SAR图像仿真方法，首先，对需要用于制作数据集的SAR图像进行预处理，去除相干斑噪声后会使得生成网络学习到更加真实的特征，减小虚假斑点特征带来的影响。其次，利用已配准好的异源图像对来制作训练样本集。最后，搭建图像转换网络，并在上述数据集的基础上进行模型的训练和测试。该方法对原始SAR图像进行了滚动引导滤波处理，去除了相干斑噪声对生成器学习过程的影响，并在U‑Net网络的基础上搭建生成器网络，引入了残差网络，解决了U‑Net网络深度不够的缺陷，并能在异源图像配准问题上有效的降低配准难度。

技术领域

本发明属于基于条件生成对抗网络的SAR图像仿真技术领域，尤其涉及一种基于条件生成对抗网络的SAR图像仿真方法。

背景技术

随着遥感观测技术的发展，多源遥感图像的种类越来越丰富。在图像配准中，采用不同的传感器对同一区域成像所获取到的图像称为异源图像。由于传感器之间的成像原理、处理机制、传感器参数等存在较大差异，使得两幅异源图像之间相关性较小，因此若简单地使用针对同源图像的配准算法来对异源图像进行处理已无法实现较好的结果。要实现异源图像配准，关键技术是将异源图像转换为同源图像，以降低配准难度。

光学图像视觉体验感较好，呈现出丰富的纹理特征、灰度等信息，当处于光线充足、视野开阔的条件下时，通过光学传感器可获得质量较高的可见光图像。但在较差的气候情况下(如光线不足、云雾遮挡等)，低质量的光学图像就失去了应用价值。而SAR图像正可以弥补这一不足。合成孔径雷达(Synthetic Aperture Rader,SAR)成像可以不受光照和天气等因素的影响，并且SAR成像可达极高的分辨率。通过结合光学与SAR传感器的成像优势，将异源图像中携带的不同数据进行相互融合，可以在诸如自然灾害监测、目标检测等特定场景中产生重要的应用价值。

SAR图像生成的技术难点在于：①SAR图像相干斑噪声的影响；②光学图像到伪SAR的图像转换框架的搭建。

发明内容

本发明的目的是提供一种基于条件生成对抗网络的SAR图像仿真方法。

为实现上述目的，本发明采用的技术方案是：一种基于条件生成对抗网络的SAR图像仿真方法，包括以下步骤：

步骤1、利用滚动引导滤波方法对目标SAR图像进行去噪；

步骤2、将光学图像与对应的预处理后的SAR图像对制作数据集；包括以下子步骤：

步骤2.1、读入已配准的异源图像对；

步骤2.2、提取光学图像中的特征点，并在对应的SAR图像上以同一坐标位置的像素点为中心截取相同大小的图像块，待几组异源图像均处理完之后，进行数据扩增，将光学图像和SAR图像合并，最后划分训练集和测试集；

步骤3、搭建基于条件生成对抗网络的图像转换网络结构；包括以下子步骤：

步骤3.1、以U-Net网络结构为基础，结合Res-Net对条件生成对抗网络进行优化；

步骤3.2、构建五层卷积判别器网络结构；

步骤4、以光学图像和SAR图像对组成的训练集作为输入，多次迭代训练模型，并使用Adam算法对目标函数进行优化；

步骤5、在测试集上进行SAR效果图的转换和测试。

在上述的基于条件生成对抗网络的SAR图像仿真方法中，步骤1的实现包括：对原SAR图像进行高斯滤波，滤波后的图像作为引导图像并且在此基础上进行迭代滤波操作，对图像中大区域的物体边缘进行恢复，具体步骤如下；

步骤1.1、对原SAR图像进行高斯滤波；滤除小区域的斑点与细小结构，表达式为：