买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京观微科技有限公司

摘要：本发明公开了一种基于模板匹配和InfoGAN的SAR图像扩容方法，其特征在于，包括以下步骤：S1：获取SAR真实数据集并利用模板匹配算法生成带有角度标签的SAR训练数据集；S2：基于所述SAR训练数据集和InfoGAN生成初始SAR多角度扩容图像。S3：利用FID距离函数从所述初始SAR多角度扩容图像中筛选出满足预设阈值范围的SAR多角度扩容图像。本发明利用模板匹配算法可提供更准确的目标方位角信息，制作更精确的训练样本；本发明提供的图像扩容方法能够生成SAR多角度扩容图像，可以构建SAR图像多方位角目标样本库；本发明利用FID距离函数评价InfoGAN所生成的SAR多角度扩容图像，能够确保高质量目标样本的生成精度。

主权项：1.一种基于模板匹配和InfoGAN的SAR图像扩容方法，其特征在于，包括以下步骤：S1：获取SAR真实数据集并利用模板匹配算法生成带有角度标签的SAR训练数据集；S1包括以下步骤：S11：从SAR真实数据集中随机选取一幅SAR图像作为目标图像；S12：绘制目标图像的矩形框并计算该矩形框的方位角，将矩形框内的图像和该矩形框的方位角保存为模板图像；S13：基于模板图像计算SAR真实数据集中剩余图像的匹配度并输出剩余图像的矩形框；S14：若剩余图像的匹配度大于等于预设匹配度阈值，则利用其矩形框计算该剩余图像的方位角；若剩余图像的匹配度小于预设匹配度阈值，则执行步骤S15；S15：对该剩余图像进行滤波处理并重新计算滤波后的匹配度；S16：执行步骤S14,直到所有剩余图像都计算完方位角，最终获得带有角度标签的SAR训练数据集；S2：基于所述SAR训练数据集和InfoGAN生成初始SAR多角度扩容图像；S2包括以下步骤：S21:基于随机噪声、SAR训练数据集中的真实图像和均匀分布的隐藏向量构建特征向量；S22：将所述特征向量输入到Generator网络中，获得一张fake图像；S23：将所述fake图像和所述真实图像输入到Discriminator网络，以获得fake图像的真假判断结果；若为假则执行S24；若为真则将所述fake图像保存为扩容图像；S24：基于所述fake图像的损失值和所述真实图像的损失值更新Discriminator网络的网络参数；S25：将所述fake图像输入到Discriminator网络的卷积模块，以保证Discriminator网络的输入、输出不变；基于Generator网络的交叉熵损失函数迭代更新Generator网络的网络参数，Generator生成新的fake图像，重复S22-S23直到判断结果为真；S26：将所述判断为真的fake图像输入到Q网络，以获得控制输出图像角度的可解释向量；将Q网络输出的图像与所述判断为真的fake图像同时输入到交叉熵损失函数中，更新Q网络和Generator网络的网络参数，以生成所述初始SAR多角度扩容图像。

全文数据：

权利要求：

百度查询： 北京观微科技有限公司 一种基于模板匹配和InfoGAN的SAR图像扩容方法