改进的DCGAN在SAR图像分类中的应用

作者：鲁力^*; 王洁; 韩要昌; 吴亚晖

来源：控制工程, 2020, 27(03): 561-566.

DOI：10.14107/j.cnki.kzgc.20190490

• DCGAN
• 图像分类
• 数据增强
• 多分类器

在军事背景下,实现SAR图像的更快更精准分类能够取得战略优势。首先论述了军事SAR图像在分类的过程中,生成的图像特征偏向于多数类样本致使分类精度低的现状。然后,基于改进的DCGAN(生成对抗网络)的方法与数据增强理论,对少数类样本扩增。同时,将DCGAN中的判别器嵌入一个多分类器,使得在分类过程中不仅对图像真假分类,也能够对真实类别分类。最后,基于Kappa值与训练和测试精度,将所生成的结果与优化CNN、VGG、DLN、Resnet网络训练结果对比,发现通过改进的DCGAN生成的SAR图像可以提升分类精度,并且具有更好的泛化能力。

• 单位
  中国人民解放军空军预警学院; 空军工程大学