基于残差卷积神经网络的 Sentinel-1 SAR 地距检测数据散斑滤波器
人工智能
2024-10-28 v2 图像与视频处理
摘要
近年来，机器学习(ML)算法在遥感(RS)与对地观测(EO)各领域广泛普及，推动了解决相关领域问题的新方法快速发展。在此背景下，本文旨在提出一种基于卷积神经网络(CNNs)的深度学习(DL)算法，用于滤除 Sentinel-1 地距检测(GRD)数据中的散斑噪声的新方法。论文提供了一种简便而高效的途径，以在该挑战性情形下提取 DL 方法所需的大量训练数据。在模拟散斑图像与真实 SAR 数据集上的实验结果表明，相较于现有最优方法，在峰值信噪比(PSNR)、结构相似性指数(SSIM)、等效视数(ENL)方面均有明显提升，证明了所提架构的有效性。
引用
@article{arxiv.2104.09350,
title = {A speckle filter for Sentinel-1 SAR Ground Range Detected data based on Residual Convolutional Neural Networks},
author = {Alessandro Sebastianelli and Maria Pia Del Rosso and Silvia Liberata Ullo and Paolo Gamba},
journal= {arXiv preprint arXiv:2104.09350},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication