一种用于森林区域SAR层析成像的深度学习方法
图像与视频处理
2024-02-09 v1 计算机视觉与模式识别
摘要
合成孔径雷达层析成像利用干涉配置下的一组相干观测数据重建场景的三维反射率。在森林区域，大量散射体在每个分辨率单元内对雷达信号进行后向散射。为重建垂直反射率剖面，现有技术采用以迭代最小化算法形式实现的正则化反演。我们表明，轻量级神经网络可经训练以单次前馈过程执行层析反演，从而实现快速重建，能更好地适应未来BIOMASS任务所提供的数据量。我们使用模拟数据训练编解码网络，并在真实的L波段与P波段数据上验证了该技术。
引用
@article{arxiv.2301.08605,
title = {A Deep Learning Approach for SAR Tomographic Imaging of Forested Areas},
author = {Zoé Berenger and Loïc Denis and Florence Tupin and Laurent Ferro-Famil and Yue Huang},
journal= {arXiv preprint arXiv:2301.08605},
year = {2024}
}
备注
Submitted to IEEE Geoscience and Remote Sensing Letters, January 2023