成像系统

自从生成对抗网络提出以来，各领域涌现了大量的新型应用。本文提出一种应用于红外目标仿真的模型，旨在解决传统仿真方法步骤繁琐、参数众多、建模复杂的问题。首先，在条件生成对抗网络的基础上引入深度卷积神经网络，将其扩展成为条件深度卷积生成对抗网络；其次，将随机噪声向量作为模型输入，利用类别标签引导训练过程，完成模型参数的优化；最后，利用已训练的生成器自动产生预期类别的红外目标仿真图像。在MNSIT和红外数据集上分别训练模型参数，再进行自动生成实验，都能够产生高真实度的样本图像；进一步地将鉴别器提取的特征用于分类实验，以及将该方法合成的图像用于数据增强以提升分类器性能，结果都表明该方法能够有效模仿红外辐射特征。

谢江荣, 李范鸣, 卫红, 李冰. 基于生成对抗式神经网络的红外目标仿真方法[J]. 光学学报, 2019, 39(03): 2.  复制并引用该论文