飞机识别是遥感影像解译领域的一项重要任务，受到了越来越多的关注。但由于成像条件、周围环境和飞机姿态的多样性，飞机识别任务具有很强的挑战性。

飞机识别算法按特征提取的方式分为传统机器学习算法和深度学习算法两类。Roopa等人(2017)从飞机图像中提取特定的特征向量，组合后用全连接网络分类，Zhao等人(2017)利用地标检测与模板匹配的方法实现飞机目标识别，这类传统方法存在鲁棒性差、模型容量小等问题。Wang等人(2017)、Zhang等人(2018)、Zuo等人(2018)、Fu等人(2019)利用深度卷积神经网络进行飞机识别，自动提取影像特征，此类深度学习算法识别准确率高，但其泛化性能依赖于大规模数据集。

考虑到成像条件、周围环境和飞机姿态的多样性，构建大规模飞机识别数据集难度很大。此外，实际数据中，由于各型飞机数量差异大，实际标注的数据集往往存在样本不均衡问题。数据增广是解决样本不足问题的常用方法之一，而Song等人(2019)的研究表明，简单的数据增广方法无法对遥感图像中的复杂场景实现高质量建模，所以该方法作用有限。

Goodfellow等人(2014)提出的生成对抗网络(generative adversarial network，GAN)可用于数据生成任务，该模型通过学习样本的数据分布，能产生大量与真实样本分布相似的生成样本，但无法控制生成样本中目标的位置、角度和尺寸等特征。Mirza和Osindero(2014)对网络的输入引入“条件”，使得模型可以生成指定“条件”的仿真样本，但这种控制条件没有达到像素级的精度，因此也无法用于生成飞机样本；Isola等人(2017)将逐像素语义标注作为生成器的输入“条件”，使得模型对生成样本的模式控制可达像素级，实现任意图到任意图的转换任务，但生成图像质量不高；Wang等人(2018)在此基础上，提出多级生成网络和多级判别网络，以生成高分辨率的图像。这些生成对抗网络虽然可以对简单的自然场景生成逼真的图像，但对场景复杂、尺度多样且分辨率低的遥感图像的建模能力有限，导致生成样本质量低。

针对上述问题，本文提出了结合条件生成对抗网络(conditional generative adversarial network，CGAN)样本生成的遥感图像飞机识别框架，利用基于条件生成对抗网络的样本生成方法获得数量、类别与图像模式可控的飞机识别样本集，显著减轻了样本标注的负担，且避免了样本不均衡问题。同时，针对条件生成对抗网络对遥感场景建模能力不足的问题，提出利用感知损失引入监督信息以提高生成器的建模能力，并提出基于掩膜的结构相似性(structural similarity，SSIM)度量损失函数(masked-SSIM loss)，使生成样本中的飞机目标与真实样本的结构一致性得到增强，提高了生成样本中飞机区域的图像质量。

本文提出一种结合CGAN样本生成的遥感图像飞机识别框架，如图 1所示，$ L_{\rm{PEGC}}$为感知损失函数，$ L_{\rm{MSSIM}}$为masked-SSIM损失函数，$\mathit{\boldsymbol{G}} $表示网络的生成器，$\boldsymbol{D} $表示网络的判别器。该框架包含样本生成和目标识别两部分。样本生成部分利用少量真实的飞机样本及对应的像素级标注数据对条件生成对抗网络进行训练，然后利用该网络的生成器$\mathit{\boldsymbol{G}} $产生大量合成样本，如图 2所示。目标识别部分利用深度残差网络ResNet-50作为飞机识别模型进行端到端的训练。最后用训练过的模型对真实遥感图像进行飞机类型识别。

Wang等人(2018)提出的条件生成对抗网络由生成器$\mathit{\boldsymbol{G}} $与判别器$\boldsymbol{D} $构成。生成器用于产生与真实样本分布相似且对应条件$ \boldsymbol{s}$的生成样本$\boldsymbol{G}(\boldsymbol{s})$，判别器用于区分生成样本$\boldsymbol{G}(\boldsymbol{s})$和真实样本$\mathit{\boldsymbol{x}} $。其损失函数为

$ \begin{array}{c} \min \limits_{\boldsymbol{G}} \max \limits_{\boldsymbol{D}} L_{\mathrm{CGAN}}(\boldsymbol{D}, \boldsymbol{G})=E_{(s, x)} \sim p_{\mathrm{data}}(\boldsymbol{s}, \boldsymbol{x}) \\ {[\log \boldsymbol{D}(\boldsymbol{s}, \boldsymbol{x})]+E_{s} \sim p_{z}(\boldsymbol{s})[\log (1-\boldsymbol{D}(\boldsymbol{s}, \boldsymbol{G}(\boldsymbol{s})))]} \end{array} $

(1)

式中，$ (\boldsymbol{s}, \boldsymbol{x}) \sim p_{\mathrm{data}}(\boldsymbol{s}, \boldsymbol{x})$表示样本$\mathit{\boldsymbol{x}} $在条件$ \boldsymbol{s}$下服从$ p_{\mathrm{data}}$分布，$\boldsymbol{s} \sim p_{Z}(\boldsymbol{s}) $表示输入条件$ \boldsymbol{s}$服从$ p_{\mathrm{data}}$分布，$E $ (·)表示期望。

该网络的生成器(图 2)由两个子网络$\mathit{\boldsymbol{G}}_1 $和$\mathit{\boldsymbol{G}}_2 $组成。$\mathit{\boldsymbol{G}}_1 $学习图像的全局语义特征，输出低分辨率样本；$\mathit{\boldsymbol{G}}_2 $学习图像的局部特征，输出比$\mathit{\boldsymbol{G}}_1 $分辨率高一倍的生成样本，二者相互协作，输出高质量的生成样本。

该模型对自然场景可以产生高质量的生成样本，但是对场景复杂、分辨率低、尺度多样、前景与背景高度耦合的遥感图像建模能力不足，使得生成的遥感图像质量受限。

为了解决深层神经网络训练过程中的梯度消失和梯度爆炸问题，He等人(2016)提出了残差神经网络，使得深层神经网络的训练变得可行，且取得了较好的性能，因此得到广泛应用。该网络的核心模块是残差块(residual block)，结构如图 3所示，主要由跳跃连接$x$和残差连接$F(x)$构成，其原理为

$ y = F(x) + x $

(2)

ResNet-50网络由4组残差块通过级联构成，共有50个卷积层，具有很强的特征提取能力且运行速度较快。用该网络构建飞机类型识别模型(图 1右侧虚线框)，首先使用ResNet-50网络提取图像的特征，然后利用全连接层进行分类，最后通过softmax激活函数输出图像中的飞机属于各类型的概率值，概率值最大的类型即预测出的飞机类型。

遥感图像中的背景与前景在图像模式上高度耦合，所以生成模型必须具备对这种复杂场景的建模能力。Wang等人(2018)提出的条件生成对抗网络的生成器只有图像块级别的判别损失，而没有高维特征级别的约束，导致生成样本与真实样本在空间和语义上相似性差，因而无法很好地学习遥感图像中的复杂场景。

为了解决这个问题，利用感知损失提高生成器对遥感图像的建模能力。感知损失由Johnson等人(2016)提出，并在提高图像分辨率任务上取得了显著效果。该方法用ImageNet(Russakovsky等，2015)的分类任务对VGG-16网络(visual geometry group 16-layernet)(Simonyan和Zisserman，2015)进行预训练，然后用预训练过的网络作为损失网络$\phi $提取图像的特征(如图 4所示)，并计算生成样本与目标样本在特征图上的距离，通过缩小这种距离，使两者在深度卷积神经网络上表现的语义分布更为相似。其目标函数$ L_{\rm{PERC}}$表示为

$ \begin{array}{c} L_{\mathrm{PERC}}(\boldsymbol{x}, \boldsymbol{G}(\boldsymbol{s}))= \\ E_{(\boldsymbol{x}, s)}\left[\frac{1}{C_{j} H_{j} W_{j}}\left\|\phi_{j}(\boldsymbol{x})-\phi_{j}(\boldsymbol{G}(\boldsymbol{s}))\right\|_{2}^{2}\right] \end{array} $

(3)

式中，$ \phi_{j}$表示VGG-16网络第$j $层(一般选择第3个block的第3层)特征，最后将宽($W_{j} $)、高($H_{j} $)和通道($C_{j} $) 3个维度取平均值作为生成样本$\mathit{\boldsymbol{G}} $($ \boldsymbol{s}$)与真实样本$\mathit{\boldsymbol{x}} $的感知损失(perceptual loss)。

该方法利用损失网络缩小生成样本与目标样本在语义分布上的距离，而不是简单地使模型直接学习目标样本的像素值，生成的样本图像细节更丰富、图像纹理更自然。因此，用感知损失函数对生成器添加特征级别的监督信息，提高生成样本与真实样本的语义相似性，从而使得生成的飞机样本图像更接近真实图像。

在飞机识别任务中，结构和纹理是区分不同飞机类型的关键因素之一，为了保证飞机识别模型从生成样本中学习到的飞机结构和纹理特征与真实样本一致，必须使生成图像在飞机结构和纹理上与真实图像尽可能接近。原始的生成对抗网络无法针对飞机目标区域实现高质量的建模，而感知损失函数可以使生成图像在特征和语义上与真实样本相近，但无法保证生成图像中飞机目标区域在结构和纹理等细节上与真实图像一致。

为了提高生成样本中飞机区域与真实样本的一致性，Wang等人(2004)提出利用结构相似性(SSIM)度量构建损失函数，对生成器加入监督信息。结构相似性度量是一种用于评估图像间相似度的指标，利用滑窗的方式计算图像间局部的相似度，最后计算全局的结构相似度，其计算过程为

$ l(\boldsymbol{X}, \boldsymbol{Y})=\frac{2 \mu_{x} \mu_{y}+C_{1}}{\mu_{x}^{2}+\mu_{y}^{2}+C_{1}} $

(4)

$ c(\boldsymbol{X}, \boldsymbol{Y})=\frac{2 \sigma_{x} \sigma_{y}+C_{2}}{\sigma_{x}^{2}+\sigma_{y}^{2}+C_{2}} $

(5)

$ d(\boldsymbol{X}, \boldsymbol{Y}) =\frac{\sigma_{x y}+C_{3}}{\sigma_{x} \sigma_{y}+C_{3}} $

(6)

$ S(\boldsymbol{X}, \boldsymbol{Y})=[l(\boldsymbol{X}, \boldsymbol{Y})]^{\alpha} \cdot[c(\boldsymbol{X}, \boldsymbol{Y})]^{\beta} \cdot[s(\boldsymbol{X}, \boldsymbol{Y})]^{\gamma} $

(7)

$ C_{1}=\left(K_{1} L\right)^{2}, C_{2}=\left(K_{2} L\right)^{2}, C_{3}=C_{2} / 2 $

(8)

式中，$\boldsymbol{X} $和$\boldsymbol{Y} $表示两幅对齐的图像或图像块，$ {\mu _x}$、$\sigma_{x}^{2} $和$ \sigma_{x y}$分别表示图像$\boldsymbol{X} $的均值、方差以及图像$\boldsymbol{X} $与图像$\boldsymbol{Y} $的协方差，$l(\boldsymbol{X}, \boldsymbol{Y}), c(\boldsymbol{X}, \boldsymbol{Y}) $和$ d(\boldsymbol{X}, \boldsymbol{Y}) $分别表示图像$\boldsymbol{X} $与$\boldsymbol{Y} $的亮度、对比度以及结构的距离度量，$S(\boldsymbol{X}, \boldsymbol{Y}) $为两幅图像的SSIM(其中$ \alpha $=$\beta $=$ \gamma $=1)，$ L$表示图像的像素值范围(0~255)，系数$K_{1}=0.01 $且$K_{2}=0.03 $，因此SSIM计算过程可简化为

$ S(\boldsymbol{X}, \boldsymbol{Y})=\frac{\left(2 \mu_{x} \mu_{y}+C_{1}\right)\left(2 \sigma_{x y}+C_{2}\right)}{\left(\mu_{x}^{2}+\mu_{y}^{2}+C_{1}\right)\left(\sigma_{x}^{2}+\sigma_{y}^{2}+C_{2}\right)} $

(9)

SSIM取值为[0, 1]，值越大表示图像越相似。直接使用该指标作为损失函数，生成器会同时学习前景和背景，导致生成图像的背景区域也与真实图像一致，破坏了背景区域的多样性。因此，提出基于目标掩膜的结构相似性度量损失函数。在计算生成图像与真实图像的SSIM损失时，利用飞机目标的掩膜$M_{ij}$屏蔽背景区域，只保留飞机目标所在区域的SSIM损失。利用该损失函数，可以提高生成图像$\boldsymbol{G}(\boldsymbol{s})$中的飞机区域与真实图像$\mathit{\boldsymbol{x}} $在结构和纹理上的一致性，其原理为

$ \begin{array}{c} L_{\mathrm{MSSIM}}(\boldsymbol{x}, \boldsymbol{G}(\boldsymbol{s}))=E_{(x, G(s))} \times \\ {\left[\frac{1}{\sum\limits_{j}^{H} \sum\limits_{i}^{W} M_{i j}} \sum\limits_{j}^{H} \sum\limits_{i}^{W} M_{i j} \cdot\left(1-S_{i j}\left(\boldsymbol{x}_{i j}, \boldsymbol{G}(\boldsymbol{s})_{i j}\right)\right)\right]} \end{array} $

(10)

$ {M_{ij}} = \left\{ {\begin{array}{*{20}{l}} 1&{{m_{ij}} < 0}\\ 0&{{m_{ij}} = 0} \end{array}} \right. $

(11)

式中，$H $和$ W$表示图像的高和宽，${S_{ij}} $指位于图像像素$ (i,j)$处的局部结构相似性，$M_{ij}$表示图像的掩膜，飞机所在的区域取值为1，其他背景区域取值为0，最后取该飞机区域${S_{ij}} $的平均值。该方法实现了只计算飞机区域的结构一致性损失，而对背景区域不产生影响。

条件生成对抗网络的损失函数由原始的损失函数$ L_{\rm{CGAN}}$($\boldsymbol{D} $, $\mathit{\boldsymbol{G}} $)、感知损失函数$ L_{\rm{PERC}}$($\mathit{\boldsymbol{x}} $, $\boldsymbol{G}(\boldsymbol{s})$)和基于目标掩膜的结构相似性度量损失函数$ L_{\rm{MSSIM}}$($\mathit{\boldsymbol{x}} $, $\boldsymbol{G}(\boldsymbol{s})$)构成，即

$ \begin{array}{r} L(\boldsymbol{x}, \boldsymbol{s}, \boldsymbol{D}, \boldsymbol{G})=L_{\mathrm{CGAN}}(\boldsymbol{D}, \boldsymbol{G})+ \\ \lambda L_{\mathrm{PERC}}(\boldsymbol{x}, \boldsymbol{G}(\boldsymbol{s}))+\mu L_{\mathrm{MSSIM}}(\boldsymbol{x}, \boldsymbol{G}(\boldsymbol{s})) \end{array} $

(12)

式中，$ \lambda $和$\mu $分别是感知损失和masked-SSIM损失的权重，分别取0.5和1。

在遥感图像中，飞机目标具有刚体特性，其形状和内部各部件的相对位置不变，飞机的掩膜图像可以有效表征飞机的类型信息。因此，使用飞机的掩膜图像作为条件生成对抗网络输入的“条件”，以控制生成的飞机样本的模式，生成指定内容的样本。

图 5是10类飞机的掩膜图像。标注图像时，在目标区域(图 5白色部分)内填充飞机类型号(取值为[1, 10]的整数)，在背景区域(图 5黑色部分)填充0。与Wang等人(2018)的方法一样，为了便于模型训练，将掩膜图像沿着通道维度作one-hot编码，然后将其输入网络。

从大幅遥感图像上，裁切出大量只包含单个飞机目标的切片，以构建真实样本数据集。为保证模型能适应不同尺度和不同分辨率下的目标，在一定范围内调整裁切窗口，并将每个切片缩放(二次线性插值)至128×128像素。在获取切片后，为每个切片标注对应的目标掩膜。为保证数据的多样性，对每个裁切窗口的中心位置沿着$x$和$ y$方向添加随机扰动，使飞机目标尽可能出现在图像切片的不同位置。在此基础上，对获取的切片作任意角度随机旋转，切片对应的掩膜图像也作对应处理，从而实现样本扩充，构建出真实样本的数据集。

条件生成对抗网络训练完成后，使用该网络的生成器产生一定数量的生成样本。首先，对每一类飞机目标的掩膜进行随机缩放(最近邻插值)、旋转和平移等预处理；然后，将处理后的掩膜作为生成器的输入，并得到对应的生成样本。对每种飞机类型都按照这种方法产生一定数目的样本，从而构建生成样本的数据集。

为构建真实样本数据集，从QuickBird卫星影像数据中获取各国机场的大幅全色光学遥感图像，图像分辨率为0.61 m。通过裁切的方式获取大量只包含单个飞机的切片，裁切窗口的变化范围为[96, 192]，图像中心以目标中心为基准，扰动范围为[40, 40]，裁切后的切片缩放至128×128像素。

通过上述操作，为每类飞机获取了800幅切片图像，10类共计8 000幅。再通过样本扩充，共获得40 000幅切片图像，并以此构建真实样本的训练集，用于训练条件生成对抗网络和飞机目标识别网络。此外，选取与前述数据在地理空间上不相交的区域，按照相同操作，为每类飞机获取了1 000幅切片图像，10类共10 000幅，并以此构建真实样本的测试集，用于评估不同的识别模型的性能。

实验使用Adam算法(Kingma和Ba，2017)对条件生成对抗网络进行训练，batch大小为16，训练100个周期。目标识别网络同样使用Adam算法进行训练，训练100个周期。上述算法均使用Pytorch(Paszke等，2019)实现，并在一块NVIDIA Tesla K80显卡上进行训练。使用识别准确率(accuracy)评估模型对飞机目标的识别性能，该值越大表示识别性能越好，其计算过程为

$ R(TP,P,N,TN) = \frac{{TP + TN}}{{P + N}} $

(13)

式中，$TP $为各类别被正确识别的正样本数量，$TN $为各类别被正确识别的负样本数量，$P $为各类别的正样本数量，$N$为各类别的负样本数量。

用峰值信噪比(peak signal to noise ratio，PSNR)和结构相似性度量(SSIM)指标来量化生成样本的图像质量，以评估所提出的损失函数对生成器性能的影响。

实验对比了加入提出的损失函数前后的生成器产生的图像与对应的真实图像的相似性，定量的评估结果如表 1所示。可以看出，加入感知损失后，生成图像与真实图像的PSNR得到了明显提升。由感知损失引入的特征级别的监督信息使得生成模型产生的样本与真实样本的数据分布更接近，对应的像素分布的差异也进一步缩小，而PSNR主要统计对应像素的距离，所以PSNR得到提高。此外，还加入了提出的masked-SSIM损失函数，使得模型朝着SSIM更大的方向进行优化，所以加入该损失函数后SSIM得到了显著的提高。

图 6为实验获取的部分样本图像。其中，第2行的生成图像由原始条件生成对抗网络产生，图像中飞机的引擎、机尾等部件出现缺失，且背景区域纹理单一，与真实样本差异大。加入感知损失后，生成样本如图 6第3行所示，其背景区域的纹理更加复杂，较好还原了真实样本的整体分布情况，表明使用的感知损失函数有利于提高模型对图像背景区域的建模能力。但这些样本中飞机引擎边缘及机身纹理与真实图像仍有差距。加入masked-SSIM损失函数后，在生成图像(图 6第4行)中的这种问题得到明显改善，表明该损失函数提高了生成模型对飞机的结构和纹理的建模能力。

定量与定性的实验结果表明，这两种损失函数分别提高了模型对背景区域的纹理、前景目标的结构和纹理的建模能力，从而生成了质量更高的样本。

为了更有效地获取生成样本，实验定量地研究了生成样本对识别准确率的影响。首先分别选取了训练周期数为10，20，30，40，50，60，70，80，90，100的条件生成对抗网络，然后用这些模型分别为这10种飞机逐类随机生成2 000幅样本图像，即每个模型均产生20 000幅生成样本图像，如图 7所示。用这些生成样本训练识别模型，并使用真实样本的测试集评估其识别准确率，测试结果如图 8所示。

从图 7可以看出，随着CGAN训练次数增加，生成图像越来越逼真，语义越来越丰富，即生成样本的质量在逐步提高。同时，识别模型的准确率也随之提高(图 8)。显然，提高生成样本的质量能有效提高识别准确率。

在CGAN训练10个周期后，识别模型的准确率仅为59.64%。随着训练次数增加，准确率迅速提高。在生成器训练50个周期后，准确率的提高速度逐渐减缓，主要原因是生成器的损失函数趋于稳定，此时生成样本的质量不再显著提高。在80个周期后，学习率随之衰减到更小的值，有助于CGAN的进一步训练，准确率再次提高。到了100个周期后，损失函数保持稳定，学习率继续衰减，训练过程逐渐稳定，识别准确率不再具有明显的增长趋势。考虑到训练成本与带来的性能增益之间的权衡，均选取第100个周期的实验结果。

生成对抗网络的一种优势是可以生成大量的样本以打破数据规模的限制，但选取生成样本的数量却需要进一步研究。因此，实验对比了不同数量的生成样本对识别模型性能的影响。

根据3.4节的实验结果，使用训练100个周期的生成器获取生成样本，并取得了较好的识别性能。因此，实验使用该模型分别为每类飞机产生2 000，4 000，8 000，12 000，20 000，40 000幅样本图像用于训练识别模型，并在真实样本测试集上评估其性能，结果如表 2所示。

实验结果表明，随着样本数量的增加，样本的多样性逐渐增加，识别模型的过拟合程度有效减轻，因此识别准确率有了大幅提升。在每类40 000幅样本图像的情况下，识别准确率比每类2 000幅样本图像的情况提高了7.07%。本实验结果表明，增加生成样本的数量能有效提高识别准确率。

本文将提出的识别框架用生成样本替代真实样本训练飞机识别模型，为了评估这种方法的有效性，用训练了100个周期的CGAN产生40万个样本以构建生成样本的训练集，同时取真实样本构建真实训练集，然后分别用这两种数据集训练识别模型，并在真实样本的测试集上评估其识别准确率，定量的测试结果如表 3所示，所提出的飞机识别框架的识别混淆矩阵如图 9所示。

实验结果表明，与用真实样本训练的识别模型的准确率相比，用生成样本训练的识别模型的准确率低0.33%，两者性能相近。因此使用生成样本可以有效代替真实样本训练飞机目标识别模型。

实验通过采用少量的真实样本模拟真实飞机样本不足的情况。用于训练识别模型的真实样本为每类800幅，表 3中的生成样本为每类40 000幅；而用于评估识别准确率的真实测试样本为每类1 000幅。表 3表明，在仅有少量真实样本的情况下，通过构建大规模高质量的生成样本数据集，可以达到与真实样本相近的准确率，因此可以有效解决飞机识别任务中样本不足的问题。

生成样本与真实样本训练的识别模型存在性能差异。真实的训练样本与测试样本一般具有相同的分布特性，而生成样本的分布与真实样本的分布存在一定差异，原因是真实样本中所含的独特语义信息无法被条件生成对抗网络完全学习和表达。因而在训练数据规模相同的情况下，用生成样本训练的识别模型性能较差。但实验结果也同时表明，可以通过提高生成样本的质量和增加训练数据规模的方式进行弥补，使其达到相近的识别性能。

图 10显示质量差的生成样本与识别错误的真实样本。虽然所提方法使得生成模型的性能得到了有效提升，但是仍然有少量生成样本的质量较差，如图 10第1行所示。一方面，这些质量差的图像分辨率较低，可能是由真实样本中存在的低分辨率图像造成，如图 10第3行所示。另一方面，这些生成样本质量差主要体现在其图像结构内部存在一定的棋盘效应，这种问题主要来自生成器模块(图 2)中的反卷积操作。反卷积很容易出现“不均匀的重叠”，当内核大小(输出窗口大小)不能被步幅(顶部各点之间的间距)整除时，反卷积具有不均匀的重叠，从而导致在分辨率放大的过程中，产生不清晰的棋盘效应问题。同时，在计算卷积层梯度的过程中，反卷积的梯度反向传播过程也会导致一定的渐变棋盘效应(Odena等，2016)。

虽然识别模型得到了很高的准确率，但是仍有一些飞机目标识别错误，部分样本如图 10第2行所示。选用的识别模型为ResNet-50，受该模型识别准确率的限制，部分样本识别错误。此外，真实样本中存在分辨率较低或尺寸较小的飞机样本(图 10第3行)，导致生成样本也出现此种情况，而这些样本缺少更具判别性的特征，使得模型产生误判。因此，在未来的工作中，将从提高遥感图像的分辨率方面进行进一步的研究。

针对遥感图像解译领域中基于深度神经网络的飞机识别模型对训练数据需求量大但可获得的数据有限以及条件生成对抗网络对遥感场景建模能力有限、生成样本质量低的问题，提出了一个结合CGAN样本生成的遥感图像飞机识别框架。该框架利用感知损失和提出的基于掩膜的SSIM损失增强条件生成对抗网络中生成器对复杂的遥感场景的建模能力，使用改进后的网络所生成的样本代替真实样本训练飞机识别模型。实验结果显示，该方法提高了生成样本与真实样本的结构、纹理和语义一致性，获得了质量更高的生成样本。利用这些样本构建的大规模高质量生成样本数据集可以有效替代真实样本对飞机识别模型进行端到端训练，从而有效地解决了大规模真实飞机样本数据集难以构建的难题。由于真实样本中存在一些质量差、分辨率低以及目标尺寸小的样本，导致生成样本中也出现了一些质量差的图像，使得飞机识别模型出现识别错误。在未来的研究中，将进一步研究提高遥感图像分辨率的方法，以获取更高质量的真实图像，从而改善生成样本的质量并提高识别性能。该方法仅在飞机样本生成方面进行了改进，生成样本质量还有很大的提升空间。此外，更适合飞机识别的网络模型也有待研究。