科研之友
微信
新浪微博
Facebook
分享链接
摘要
图像超分辨是解决ISAR欺骗干扰中由于模型样本不完备导致难以对大带宽ISAR实现高逼真假目标模拟的重要手段。利用生成对抗网络（GAN）可通过端到端映射实现ISAR图像的超分辨，然而，当测试输入样本与训练输入样本分辨率差异较大时，超分辨图像中会出现伪散射点从而导致目标失真。考虑到循环生成对抗网络（CycleGAN）对输入样本差异适应性较好，本文提出了一种基于改进CycleGAN的ISAR欺骗干扰超分辨样本生成方法，分别从损失函数、优化过程、判别器结构三方面对CycleGAN网络结构进行改进，加快了网络的收敛速度，同时对于输入分辨率差异较大的ISAR图像泛化性能更好。利用暗室测量数据验证了所提方法的有效性，与GAN方法相比，对于训练输入样本分辨率差异较大的测试输入样本，生成的超分辨样本散射点位置与真实数据具有更好的匹配效果。
- 单位
