合成孔径雷达图像去斑的深度学习法：趋势与展望综述
图像与视频处理
2021-05-04 v2 计算机视觉与模式识别
摘要
合成孔径雷达（SAR）图像受到一种空间相关且信号依赖的噪声（称为散斑）的影响，该噪声非常严重并可能阻碍图像解译。去斑是一项重要任务，旨在去除此类噪声，从而提高所有下游图像处理任务的精度。最早的去斑方法可追溯到 20 世纪 70 年代，随后多年开发了若干基于模型的算法。随着强大的深度学习模型的出现——其在图像处理逆问题中取得了优异性能——该领域受到了越来越多的关注。本文综述了应用于 SAR 去斑的深度学习方法的文献，涵盖监督式与较新的自监督式方法。我们对现有方法进行了批判性分析，以识别最有前景的研究路线、找出限制深度模型成功的关键因素，并试图为充分挖掘深度学习在 SAR 去斑中的潜力提出前进方向。
引用
@article{arxiv.2012.05508,
title = {Deep Learning Methods For Synthetic Aperture Radar Image Despeckling: An Overview Of Trends And Perspectives},
author = {Giulia Fracastoro and Enrico Magli and Giovanni Poggi and Giuseppe Scarpa and Diego Valsesia and Luisa Verdoliva},
journal= {arXiv preprint arXiv:2012.05508},
year = {2021}
}