PI-SAR-Net:融合几何仿真与可学习渲染的车辆 SAR 图像生成及识别研究
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Physics-Guided Interpretable SAR Image Generation: Bridging Simulation and Reality with Explicit Geometric and Statistical Modelling
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3
编辑推荐:
合成孔径雷达(SAR)图像解译受到标注测量数据稀缺的限制,尤其是针对特定车辆目标和观测条件。基于物理的仿真可以提供目标几何形状和散射位置,但生成的图像通常缺乏在测量SAR数据中观察到的模糊、杂波和斑点统计特征。为了解决这一差距,我们提出了PI-SAR-Net,一种结合几何仿真
合成孔径雷达(SAR)图像解译受到标注测量数据稀缺的限制,尤其是针对特定车辆目标和观测条件。基于物理的仿真可以提供目标几何形状和散射位置,但生成的图像通常缺乏在测量SAR数据中观察到的模糊、杂波和斑点统计特征。为了解决这一差距,我们提出了PI-SAR-Net,一种结合几何仿真与可学习渲染阶段的SAR图像生成方法。从3D目标模型和SAR传感器参数开始,等效波束积分仿真器首先产生几何引导的SAR图像。生成器随后对齐仿真图像,预测逐像素反射率图,并以逼真的模糊、杂波和斑点统计特征渲染最终图像。观测条件向量编码了方位角、入射角和极化,而多任务风格编码器则从测量参考图像中估计渲染所需的风格、斑点强度和模糊强度。我们构建了具有匹配观测条件下的仿真图像和测量图像的车辆SAR数据集。实验表明,与仅仿真和图像翻译基线相比,PI-SAR-Net提高了配准图像保真度、SAR特定的背景统计特征以及少样本真实SAR识别性能。代码可在 https://github.com/bigleaffrog/PI-SAR-Net 获取。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号