融合可微分渲染的SAR多视角样本增广

TN95; 合成孔径雷达(SAR)因其全天候、全天时的监测能力在民用和军事领域得到广泛应用.近年来,深度学习已被广泛应用于SAR图像自动解译.然而,由于卫星轨道和观测角度的限制,SAR目标样本面临视角覆盖率不全的问题,这为学习型SAR目标检测识别算法带来了挑战.该文提出一种融合可微分渲染的SAR多视角样本生成方法,结合逆向三维重建和正向渲染技术,通过卷积神经网络(CNN)从少量SAR视角图像中反演目标三维表征,然后利用可微分SAR渲染器(DSR)渲染出更多视角样本,实现样本在角度维的插值.另外,方法的训练过程使用DSR构建目标函数,无需三维真值监督.根据仿真数据的实验结果,该方法能够有效地增加...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 13; no. 2; pp. 457 - 470
Main Authors 贾赫成, 蒲欣洋, 王燕妮, 符士磊, 徐丰
Format Journal Article
LanguageChinese
Published 电磁波信息科学教育部重点实验室 复旦大学 上海 200433 2024
Subjects
Multi-view sample generation
多视角样本生成
合成孔径雷达(SAR)
3D reconstruction
Synthetic Aperture Radar(SAR)
可微分SAR渲染器(DSR)
卷积神经网络(CNN)
三维重建
Differentiable SAR Renderer(DSR)
Convolutional Neural Network(CNN)
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR24011

Cover

More Information
Summary:TN95; 合成孔径雷达(SAR)因其全天候、全天时的监测能力在民用和军事领域得到广泛应用.近年来,深度学习已被广泛应用于SAR图像自动解译.然而,由于卫星轨道和观测角度的限制,SAR目标样本面临视角覆盖率不全的问题,这为学习型SAR目标检测识别算法带来了挑战.该文提出一种融合可微分渲染的SAR多视角样本生成方法,结合逆向三维重建和正向渲染技术,通过卷积神经网络(CNN)从少量SAR视角图像中反演目标三维表征,然后利用可微分SAR渲染器(DSR)渲染出更多视角样本,实现样本在角度维的插值.另外,方法的训练过程使用DSR构建目标函数,无需三维真值监督.根据仿真数据的实验结果,该方法能够有效地增加多视角SAR目标图像,并提高小样本条件下典型SAR目标识别率.
ISSN:2095-283X
DOI:10.12000/JR24011