基于掩模提取的SAR图像对抗样本生成方法

合成孔径雷达(synthetic aperture radar,SAR)图像的对抗样本生成在当前已经有很多方法,但仍存在对抗样本扰动量较大、训练不稳定以及对抗样本的质量无法保证等问题。针对上述问题,提出了一种SAR图像对抗样本生成模型,该模型基于AdvGAN模型架构,首先根据SAR图像的特点设计了一种由增强Lee滤波器和最大类间方差法(OTSU)自适应阈值分割等模块组成的掩模提取模块,这种方法产生的扰动量更小,与原始样本的结构相似性(structural similarity,SSIM)值达到0.997以上。其次将改进的相对均值生成对抗网络(relativistic average generative adversarial network,RaGAN)损失引入AdvGAN中,使用相对均值判别器,让判别器在训练中同时依赖于真实数据和生成的数据,提高了训练的稳定性与攻击效果。在MSTAR数据集上与相关方法进行了实验对比,实验表明,此方法生成的SAR图像对抗样本在攻击防御模型时的攻击成功率较传统方法提高了10%~15%。

红外电视制导目标搜索中ROI提取和编码算法

针对红外电视制导系统提出了一种基于灰度自动检测的ROI算法,并对优化截取内嵌块编码(ECBOT)中的隐式ROI编码算法进行了改进。减小了ROI编码块中背景区域的优先级,提高了ROI区域的图像质量,在低信道速率下对疑似目标可进行高质量显示,使操作人员能够快速完成精确人工导引,并对EBCOT、隐式ROI方法和改进的隐式ROI方法进行了比较。结果表明,改进算法具有压缩效率高,复杂度低且在低信道速率下重建的ROI图像质量好的优点,提高了在大背景下搜索小目标的效率。