AETomo-Net:一种基于多维特征的层析SAR成像深度学习新网络
信号处理
2022-10-06 v1
摘要
基于深度学习的层析合成孔径雷达(TomoSAR)成像算法可有效降低计算成本。现有研究的思路是利用深度展开网络以一维方式对每个距离-方位单元进行高程重建。然而,由于这些方法通常对信号稀疏度水平敏感,常导致连续表面断裂、离群点过多等缺陷。为解决这些问题,本文提出一种基于多维特征的新型成像网络(AETomo-Net)。通过添加类U-Net结构,AETomo-Net以每个方位-高程切片进行重建,并为原始深度展开网络增加二维特征提取与融合能力。由此,每个方位-高程切片可利用更丰富的特征进行重建,成像结果质量得以提升。实验表明,与传统的基于ISTA的方法和CV-LISTA相比,所提方法在保障成像精度与计算速度的同时可有效解决上述缺陷。
引用
@article{arxiv.2209.11038,
title = {AETomo-Net: A Novel Deep Learning Network for Tomographic SAR Imaging Based on Multi-dimensional Features},
author = {Yu Ren and Xiaoling Zhang and Yunqiao Hu and Xu Zhan},
journal= {arXiv preprint arXiv:2209.11038},
year = {2022}
}