利用对抗学习生成散斑到散斑图像的SAR去散斑实用方案
图像与视频处理
2021-01-19 v2 计算机视觉与模式识别
信号处理
摘要
在本文中，我们旨在解决合成孔径雷达（SAR）去散斑问题，该方法既不需要无散斑（无斑点）的干净SAR图像，也不需要从同一场景获取独立的散斑图像对，并提出了一种SAR去散斑的实用方案（PSD）。首先，设计了一种对抗学习框架，在仅有单幅散斑SAR图像可用的情况下，从同一场景生成散斑到散斑（S2S）图像对。然后，采用S2S SAR图像对，利用Noise2Noise（N2N）策略训练一个改进的去散斑Nested-UNet模型。此外，还给出了PSD方法的迭代版本（PSDi）。在合成散斑数据和真实SAR数据上进行了实验，以证明所提方法相对于几种最先进（state-of-the-art）方法的优越性。结果表明，我们的方法能够在特征保持和散斑抑制之间达到良好的权衡。
引用
@article{arxiv.1912.06295,
title = {A Practical Solution for SAR Despeckling With Adversarial Learning Generated Speckled-to-Speckled Images},
author = {Ye Yuan and Jian Guan and Pengming Feng and Yanxia Wu},
journal= {arXiv preprint arXiv:1912.06295},
year = {2021}
}
备注
5 pages, 4 figures