文献类型：期刊文章

作　　者：李海军[1] 孔繁程[1] 牟俊杰[1] 刘霄[2] 杜贞斌[2] 林云[3]

LI Haijun;KONG Fancheng;MU Junjie;LIU Xiao;DU Zhenbin;LIN Yun(Coastal Defense College,Naval Aviation University,Yantai,Shandong 264001,China;School of Computing,Yantai University,Yantai,Shandong 264005,Chin;Office of Academic Affairs,Yantai University,Yantai,Shandong 264005,China)

机构地区：[1]海军航空大学岸防兵学院,山东烟台264001 [2]烟台大学计算机学院,山东烟台264005 [3]烟台大学教务处,山东烟台264005

出　　处：《光子学报》

基　　金：军队研究生资助课题(No.JY2020B121);山东省自然科学基金(Nos.ZR2021MF133,ZR2017MF00.19)。

年　　份：2022

卷　　号：51

期　　号：12

起止页码：313-325

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对军用背景下实地采集红外舰船数据难度大且图像质量差的问题,提出红外舰船增强StyleGAN的图像生成算法。该算法在StyleGAN基础上引入自注意力机制,加强生成器对图像纹理细节以及长距离像素关联信息的关注,对生成器最后模块的分辨率进行调整,并缩减噪声模块的输入量,利用小波判别器减少图像伪影的产生,采用双时间尺度更新规则和Adam优化训练过程,引入WGAN-gp损失函数提升收敛效率。通过目视判读以及客观评价指标验证得出,该算法生成的红外舰船图像质量较好,同真实红外图像相似度较高;经过四种经典目标检测算法测试,mAP同原始数据集相比分别提升15.4%、17.1%、11.9%、9.0%,同另外三种生成式对抗网络算法相比,取得更有效的扩充效果。

关 键 词：红外图像 生成式对抗网络  图像生成 自注意力机制  小波判别器  

分 类 号：TP391.4]