基于生成对抗网络的低小慢航空器仿真图像生成方法研究.pdf

摘要

近年来，低空慢速小型航空器发展迅速，无序飞行现象频发，干扰民航客机、

影响重大活动，严重扰乱社会公共秩序。针对“低小慢”航空器管理，各国陆续出

台相应政策进行规范，以维护公民安全、航空安全和公共安全。然而航空器体积较

小，传统雷达难以捕捉，航空器检测技术的开发成为保障公共安全的重要措施。现

阶段多波段光电跟踪系统是航空器侦测的主要手段，但实测目标易受时间、环境等

因素制约，无法实现遍历式图像训练和测试。传统图像仿真多以计算机模拟实现，

能够有效补充训练数据，但仍存在仿真目标真实度低、场景覆盖度不足等问题。

针对上述传统图像仿真问题，本文以大疆经纬M210无人机为研究对象，重点

突破基于生成对抗网络的光学目标仿真技术，构建双波段模拟目标真实数据集，开

展基于单域图像转换网络的红外无人机图像生成、基于多域图像转换网络的可见光

无人机图像生成方法研究，实现不同光照影响条件下的高逼真度目标图像生成和多

场景融合，有效弥补现有侦测防御系统的技术空白，从而维护机场等重大基础设施

安全，保障重大业务及活动顺利执行。

首先，为了有效进行目标图像仿真模型训练与测试，本文通过光电跟踪模组、

数据采集装置、数据同步技术等搭建了双波段数据采集链路，并实现天空场景下的

多光照无人机真值数据集构建，能够用于姿态严格对应的目标物理仿真，保证生成

对抗网络模型数据的精确性和多样性。

其次，针对红外无人机仿真图像高逼真度生成问题，本文在经典图像转换模型

CycleGAN的基础上，提出一种基于单向无监督生成网络的红外无人机图像生成方法，

设计了潜在的内容约束机制来约束内容传输失真，优化了网络架构并利用基于权重

网络的内容损失改进其循环一致性损失，仅实现源域到目标域的转换过程。实验表

明，本文方法能够生成目标更清晰、背景噪声更低的红外仿真图像，同时显著提高

模型的训练速度。

最后，针对可见光无人机仿真图像高逼真度生成问题，本文在经典多域转换网

络StarGAN的基础上，提出一种基于多域无监督生成网络的可见光无人机图像生成

方法，重点关注不同光照条件下的目标仿真，引入了最小二乘损失LSGAN处理梯度

消失问题，并采用注意力机制增强目标对象转换。实验结果表明，本文方法有效提

升了可见光仿真目标的生成质量和逼真度，且背景不受噪声影响。同时，本文生成

的无人机目标还能与山林等多背景融合，扩大了仿真场景覆盖。

关键词：航空器；无人机；生成对抗网络；图像生成；无监督学习

I

Abstract

Inrecentyears,therapiddevelopmentoflow-altitude,slow-speedsmallaircrafthas

ledtofrequentincidentsofunauthorizedflights,whichdisruptcivilaviation,interfere

withmajorevents,andseriouslydisturbpublicorder.Inresponsetothemanagementof

theselow,slow,smallaircraft,countrieshavesuccessivelyenactedcorresponding

policiestoregulatethem,inordertomaintaincitizensafety,aviationsecurity,andpublic

safety.However,duetothesmallsizeoftheseaircraft,traditionalradarsystemsstruggle

todetectthem,makingthedevelopmentofaircraftdetectiontechnologyanimportant

measuretoensurepublicsafety.Atpresent,multi-bandelectro-opticaltrackingsystems

arethemainmeansofaircraftdetection.However,actualtarget