申请/专利权人:中国人民解放军军事科学院系统工程研究院
申请日:2024-04-23
公开(公告)日:2024-06-21
公开(公告)号:CN118230191A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明属于SAR图像生成技术领域,公开了一种基于去噪扩散概率模型的SAR图像生成方法,先获取SAR数据集,并构建训练数据集;构建去噪扩散概率模型主框架,包括高斯扩散网络和UNet网络,高斯扩散网络对真实SAR图像x0进行前向加噪和后向去噪,UNet网络用于进行噪声预测;从SAR训练数据集中随机采样一个批次的图像作为输入数据,并从标准高斯分布中采样一个随机的高斯噪声,根据时间步长t对采样数据添加高斯噪声直至采样数据变成趋于正态分布的随机噪声;从标准高斯分布中采样随机噪声xt,通过UNet网络预测的噪声均值和方差对xt进行重参数技巧采样得到xt‑1,经过T步去噪生成高逼真虚假SAR图像x'0。本发明避免了训练过程中的模式崩溃问题,提高了生成SAR图像的质量和多样性。
主权项:1.一种基于去噪扩散概率模型的SAR图像生成方法,其特征在于,包括以下步骤:S1、获取SAR数据集,并进行标注、切片、裁剪这些预处理操作构建SAR训练数据集;S2、构建去噪扩散概率模型主框架,包括高斯扩散网络和UNet网络,所述高斯扩散网络使用基于马尔科夫链的结构对真实SAR图像x0进行前向加噪和后向去噪,所述UNet网络用于进行噪声预测;S3、训练阶段:从SAR训练数据集中随机采样一个批次的图像作为输入数据,并从标准高斯分布中采样一个随机的高斯噪声,接着根据时间步长t对采样数据添加高斯噪声直至采样数据变成趋于正态分布的随机噪声;S4、生成阶段:从标准高斯分布中采样随机噪声xt,然后通过UNet网络预测的噪声均值和方差对xt进行重参数技巧采样得到xt-1,经过T步去噪最终生成高逼真虚假SAR图像x'0。
全文数据:
权利要求:
百度查询: 中国人民解放军军事科学院系统工程研究院 一种基于去噪扩散概率模型的SAR图像生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。