谢晓方,刘厚君,张龙杰,孙 涛,张龙云

(1.海军航空大学,山东 烟台 264001；2.山东大学,山东 济南 250000)

1 引 言

红外成像具备全天候、高隐蔽、抗云雾等优势,在反舰导弹制导过程中,红外制导作为末段制导的主要方式,发挥着关键性的作用[1-2]。利用计算机模拟生成舰船的红外图像是红外导引头视景仿真领域的重要研究课题,在红外导引头设计、仿真训练等领域有广泛的应用前景。

近年来,在深度学习理论的推动下,涌现出许多神经网络模型,其中生成对抗网络(GAN)由于具有较好的特征自动提取与图像重构能力,已经广泛应用于图像生成、风格迁移、降噪修复等领域,文献[3]提出了深度卷积对抗网络(DCGAN),在LSUN、Faces和ImageNet-1k数据集实现了32×32分辨率的图像生成。文献[4]提出了一种基于条件深度卷积对抗生成网络(C-DCGAN)的红外目标仿真框架,在DCGAN基础上引入了条件特征码,特征码的每一维度对应一类目标的红外图像,通过改变特征码来生成不同类别的红外目标图像；文献[5]针对目前多数GAN模型生成图像分辨率过小的问题,提出了一种渐进式生成对抗网络proGAN,生成网络采用了动态增长的网络结构,由低分辨率到高分辨率逐渐学习图像特征,最终可以生成高分辨率的仿真图像。

较于传统的计算机建模仿真[6-10]的方式,利用GAN技术生成的图像在纹理细节方面表现的更加真实,但存在着一个关键性的问题:无法建立生成网络中输入与输出之间准确的映射关系,不能通过调整网络的输入对生成图像的视觉特征进行准确的控制,虽然生成的图像真实度很高,但无法直接应用于红外视景仿真系统中去。……