對(duì)于非合作目標(biāo)智能分類(lèi)任務(wù)，由于無(wú)法獲取足夠有效得樣本圖像來(lái)訓(xùn)練網(wǎng)絡(luò)模型，使網(wǎng)絡(luò)易陷入過(guò)擬合得情況，直接影響智能算法模型性能。因此，圍繞少量圖像樣本開(kāi)展高價(jià)值樣本數(shù)據(jù)擴(kuò)增是遙感圖像智能處理領(lǐng)域得重點(diǎn)研究?jī)?nèi)容之一?，F(xiàn)有樣本數(shù)據(jù)擴(kuò)增方法包括基于圖像變換得數(shù)據(jù)擴(kuò)增方法、基于生成對(duì)抗網(wǎng)絡(luò)得數(shù)據(jù)擴(kuò)增方法與基于圖像仿真得數(shù)據(jù)擴(kuò)增方法。基于圖像變換得數(shù)據(jù)擴(kuò)增方法只是對(duì)原始數(shù)據(jù)進(jìn)行基本二維幾何變換或灰度變化，難以實(shí)現(xiàn)立體目標(biāo)探測(cè)、復(fù)雜場(chǎng)景得樣本類(lèi)型擴(kuò)增；基于生成對(duì)抗網(wǎng)絡(luò)得數(shù)據(jù)擴(kuò)增方法，訓(xùn)練過(guò)程對(duì)非合作場(chǎng)景樣本數(shù)據(jù)數(shù)量和樣本類(lèi)型要求較高，生成圖像存在樣本模糊、扭曲等不足；基于圖像仿真得數(shù)據(jù)擴(kuò)增方法通過(guò)對(duì)目標(biāo)場(chǎng)景開(kāi)展建模及物理仿真，能夠制作生成多樣化環(huán)境與目標(biāo)特征得圖像樣本數(shù)據(jù)，但現(xiàn)有將仿真樣本與真實(shí)樣本簡(jiǎn)單混合得樣本構(gòu)建模式，忽略了仿真樣本與真實(shí)樣本存在得誤差、風(fēng)格差異及兩種數(shù)據(jù)集得特征分布差異，導(dǎo)致訓(xùn)練生成智能算法模型性能提升有限。

華夏科學(xué)院China空間科學(xué)中心復(fù)雜航天系統(tǒng)電子信息技術(shù)院重點(diǎn)實(shí)驗(yàn)室研究員李立鋼團(tuán)隊(duì)碩士研究生肖奇結(jié)合非合作目標(biāo)智能分類(lèi)得應(yīng)用場(chǎng)景，提出了一種漸進(jìn)式得光學(xué)遙感目標(biāo)高價(jià)值圖像樣本數(shù)據(jù)擴(kuò)增生成方法。該方法將整個(gè)數(shù)據(jù)擴(kuò)增流程分為樣本仿真生成階段和風(fēng)格遷移階段：在樣本仿真生成階段，基于物理仿真工具預(yù)先生成多樣化類(lèi)型得目標(biāo)仿真圖像樣本，樣本類(lèi)型覆蓋目標(biāo)典型探測(cè)角度、探測(cè)能見(jiàn)度以及成像分辨率等，這一階段得主要目得在于提高原始目標(biāo)數(shù)據(jù)集得特征豐富度；在風(fēng)格遷移階段，通過(guò)構(gòu)建風(fēng)格遷移網(wǎng)絡(luò)Sim2RealNet，Sim2RealNet以Densenet-121為主干網(wǎng)絡(luò)，能夠有效地提取仿真樣本和真實(shí)圖像內(nèi)容信息和風(fēng)格信息，從而實(shí)現(xiàn)從仿真樣本到真實(shí)樣本得風(fēng)格遷移處理，該階段得主要目得在于減少仿真樣本與真實(shí)樣本之間得域差異，整個(gè)數(shù)據(jù)擴(kuò)增得處理流程如圖1所示。為了驗(yàn)證該研究提出得方法有效性，科研人員針對(duì)六類(lèi)目標(biāo)開(kāi)展了兩組光學(xué)遙感目標(biāo)分類(lèi)實(shí)驗(yàn)，第壹組分別利用傳統(tǒng)圖像變換數(shù)據(jù)擴(kuò)增、圖像仿真數(shù)據(jù)擴(kuò)增以及感謝提出得漸進(jìn)式數(shù)據(jù)擴(kuò)增方法開(kāi)展樣本擴(kuò)增及分類(lèi)模型訓(xùn)練，具體分類(lèi)結(jié)果如圖2所示；第二組對(duì)傳統(tǒng)圖像變換數(shù)據(jù)擴(kuò)增、圖像仿真數(shù)據(jù)擴(kuò)增以及感謝提出得漸進(jìn)式數(shù)據(jù)擴(kuò)增方法進(jìn)行組合樣本擴(kuò)增及分類(lèi)模型訓(xùn)練，具體分類(lèi)結(jié)果如圖3所示。第壹組實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有數(shù)據(jù)擴(kuò)增方法相比，該研究提出得方法能夠使得光學(xué)遙感目標(biāo)分類(lèi)準(zhǔn)確度平均提高5%；第二組實(shí)驗(yàn)結(jié)果表明，通過(guò)將感謝提出得數(shù)據(jù)擴(kuò)增方法與其他方法進(jìn)行組合數(shù)據(jù)擴(kuò)增，與單一使用現(xiàn)有方法擴(kuò)增，光學(xué)遙感目標(biāo)分類(lèi)準(zhǔn)確度仍可提高6%，表明本研究提出得漸進(jìn)式數(shù)據(jù)擴(kuò)增方法在使用上具有較強(qiáng)得魯棒性。

該理論研究成果為空間探測(cè)等非合作場(chǎng)景稀少樣本目標(biāo)得數(shù)據(jù)擴(kuò)增提供了新穎有效得方法。相關(guān)研究成果發(fā)表在IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing上。

圖1.感謝提出得漸進(jìn)式遙感目標(biāo)數(shù)據(jù)擴(kuò)增方法

圖2.對(duì)比試驗(yàn)一：傳統(tǒng)圖像變換數(shù)據(jù)擴(kuò)增、圖像仿真數(shù)據(jù)擴(kuò)增與感謝方法對(duì)比實(shí)驗(yàn)結(jié)果

圖3.對(duì)比試驗(yàn)二：傳統(tǒng)圖像變換數(shù)據(jù)擴(kuò)增、圖像仿真數(shù)據(jù)擴(kuò)增分別與感謝方法聯(lián)合使用實(shí)驗(yàn)結(jié)果

華夏科學(xué)院China空間科學(xué)中心