科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对构建SAR图像数据集中特定类型的数据样本不足、图像分辨率较低的问题,利用传统的SAR数据扩充方法存在多样性不足、实用性不强等缺点,而生成对抗网络(Generative Adversarial Network,GAN)可操作性强、能够无监督地学习到各种数据特征,不少学者将其应用于SAR图像扩充领域,有效地提高了SAR图像数据集的规模及其多样性,促进了基于深度学习的SAR目标解译技术的发展。在概述生成对抗网络模型基本原理的基础上,将GAN模型在SAR图像上的应用归纳为数据生成和超分辨率重建两大方面,系统阐述了几种重要的GAN衍生模型和不同GAN模型的生成效果,并介绍了SAR图像特性,对未来的研究方向进行展望。
-
单位中国人民解放军装备学院
