文章详情
| 稿件标题： | 基于GAN的SAR数据扩充研究综述 |
| 稿件作者： | 黄琼男1,2,朱卫纲3,李永刚1,2 |
| DOI： | 10.11809/bqzbgcxb2021.11.005 |
| 科学编辑： | 张学波 博士（西北师范大学副教授） |
| 栏目名称： | 综述 |
| 关键词： | 生成对抗网络；合成孔径雷达；数据生成；超分辨率重建；评价指标 |
| 文章摘要： | 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。 |
| 稿件基金： | 复杂电磁环境效应国家重点实验室项目（2020Z0203B） |
| 引用本文格式： | 黄琼男,朱卫纲,李永刚.基于GAN的SAR数据扩充研究综述［J］.兵器装备工程学报，2021，42(11)：31-38. HUANG Qiongnan, ZHU Weigang, LI Yonggang.Review on SAR Data Expansion Based on GAN［J］.Journal of Ordnance Equipment Engineering，2021，42(11)：31-38. |
| 刊期名称： | 2021年11期 |
| 出版时间： | 2021年11月 |
| 上线时间： | 2021年11月28日 |
| 浏览次数： | 2801 |
| 下载次数： | 989 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |