一种保边缘CNN SAR图像去斑算法的复杂度分析
图像与视频处理
2020-06-18 v2 计算机视觉与模式识别
摘要
SAR图像受到乘性噪声的影响，这损害了其可解译性。在过去的几十年里，人们提出了多种SAR去噪方法，而近年来，研究重点已转向基于深度学习的解决方案。基于我们最近提出的用于SAR去斑的卷积神经网络，本文探讨了网络复杂度的影响。更准确地说，在固定数据集后，我们对网络性能关于其组成的层数和特征图数量进行了分析。我们在模拟和真实数据上进行了评估。结果表明，更深的网络在模拟和真实图像上都具有更好的泛化能力。
引用
@article{arxiv.2004.08345,
title = {Complexity Analysis of an Edge Preserving CNN SAR Despeckling Algorithm},
author = {Sergio Vitale and Giampaolo Ferraioli and Vito Pascazio},
journal= {arXiv preprint arXiv:2004.08345},
year = {2020}
}
备注
Accpeted to International Geoscience and Remote Sensing Symposium, IGARSS 2020