利用多时相信息通过深度学习改进 Sentinel-1 SAR 图像散斑抑制
图像与视频处理
2021-10-28 v1 计算机视觉与模式识别
摘要
深度学习方法在 SAR 幅度图像散斑抑制中展现出前所未有的结果。多时相 SAR 图像堆栈的广泛可用性可进一步提升去噪质量。本文提出一种灵活且高效的方式，将时相信息整合到用于散斑抑制的深度神经网络中。档案库提供对 SAR 图像长时间序列的访问，从中可计算出多时相平均值，其散斑波动几乎完全消失。所提方法将该多时相平均值与给定日期的图像以比值图像的形式结合，并使用最先进的神经网络去除该比值图像中的散斑。结果表明，与在不了解多时相平均值情况下直接滤波原始图像相比，这一简单策略带来了显著改进。
引用
@article{arxiv.2102.00682,
title = {Exploiting multi-temporal information for improved speckle reduction of Sentinel-1 SAR images by deep learning},
author = {Emanuele Dalsasso and Inès Meraoumia and Loïc Denis and Florence Tupin},
journal= {arXiv preprint arXiv:2102.00682},
year = {2021}
}