基于改进DCGAN的对地观测图像生成方法

作     者：黄丹丹 汪梅 张永高 施俊杰 张岩 李远成 HUANG Dandan;WANG Mei;ZHANG Yonggao;SHI Junjie;ZHANG Yan;LI Yuancheng

作者机构：西安科技大学计算机科学与技术学院陕西西安710054 西安科技大学电气与控制工程学院陕西西安710054 

出 版 物：《西安科技大学学报》 (Journal of Xi’an University of Science and Technology)

年 卷 期：2024年第44卷第5期

页      面：985-995页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重大专项项目(2022ZD0119005) 西安市重点产业链核心技术攻关项目(23ZDCYJSGG0025-2022) 陕西省自然科学基金项目(2023JC-YBMS-539) 

主　　题：对地观测 深度卷积生成对抗网络 深度学习 图像生成 

摘      要：为了研究无人机对地观测图像样本的平衡性,提高对地观测在深度学习中的应用,采用图像生成方法对无人机对地观测图像进行大量生成;针对图像生成模型在训练时出现的稳定性和生成图像的质量问题,提出一种基于改进DCGAN的对地观测图像生成方法。首先在DCGAN的生成器和判别器的网络结构中增加批处理层,然后将判别器的优化器改进为随机梯度下降,且生成器的优化器采用自适应学习率,最后改进模型的损失函数。结果表明:改进后的DCGAN网络模型生成的数据与原始数据的统计特征相似,模型性能良好,相比于其他的GAN衍生模型,改进后的DCGAN模型更具有稳定性,在训练过程中未出现模式崩塌的现象,模型生成图像的FID分数值为4.631,比原始DCGAN模型低2.409,该方法生成的图像质量更好,更加适用大规模的对地观测图像数据的生成。