Este artículo presenta un método novedoso para la reconstrucción y generación de imágenes de radar de apertura sintética (SAR) con una red generativa adversarial de imagen única mejorada (ISinGAN). A diferencia de los métodos tradicionales de aprendizaje automático que generalmente requieren grandes conjuntos de datos, SinGAN solo necesita una única imagen de entrada para extraer detalles estructurales internos y generar muestras de alta calidad. Para mejorar aún más este marco, introdujimos SinGAN con un módulo de autoatención e incorporamos ruido específico para imágenes SAR. Estas mejoras aseguran que las imágenes generadas estén más alineadas con escenarios SAR del mundo real, al tiempo que mejoran la robustez del marco SinGAN. Los resultados experimentales demuestran que ISinGAN mejora significativamente la resolución de imágenes SAR y el rendimiento en el reconocimiento de objetivos.