基于改进CycleGAN的光学图像迁移生成水下小目标合成孔径声纳图像算法研究

作     者：李宝奇 黄海宁 刘纪元 李宇 LI Bao-qi;HUANG Hai-ning;LIU Ji-yuan;LI Yu

作者机构：中国科学院声学研究所北京100190 中国科学院先进水下信息技术重点实验室北京100190 

基　　金：国家自然科学基金(No.11904386) 国家基础科研计划重大项目(No.JCKY2016206A003) 中国科学院青年创新促进会 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2021年第49卷第9期

页      码：1746-1753页

摘      要：针对循环生成对抗网络CycleGAN(Cycle Generative Adversarial Networks)在光学图像迁移生成水下小目标合成孔径声纳图像过程中存在质量差和速度慢的问题,本文提出一种新的特征提取单元SDK(Selective Dilated Kernel),并利用SDK设计了一个新的生成器网络SDKNet.与此同时,提出了一种新的循环一致损失函数MS-CCLF(Multiscale Cyclic Consistent Loss Function),MS-CCLF增加了图像多尺度结构相似性约束.在自建的图像迁移数据集OPT-SAS上,本文SM-CycleGAN(Selective and Multiscale Cycle Generative Adversarial Networks)比原始CycleGAN的图像迁移质量提升4.64%,生成器网络参数降低4.13MB,运算时间减少0.143s.实验结果表明,SM-CycleGAN更适合水下小目标光学图像到合成孔径声纳图像的迁移任务.

主 题 词：光学图像迁移生成合成孔径声纳图像 生成对抗网络 循环生成对抗网络 可选择空洞核网络 多尺度结构相似性 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12263/DZXB.20200712

馆 藏 号：203105317...