用于合成 InSAR 补丁的生成对抗网络
信号处理
2020-08-05 v1 机器学习
图像与视频处理
摘要
生成对抗网络（GANs）已在光学与实值 SAR 强度图像之间的图像翻译任务中取得了一定成功。应用包括通过人工补丁生成辅助 SAR 场景与其光学对应物的可解释性，以及自动 SAR-光学场景匹配。人工复值 InSAR 图像栈的合成除良好感知质量外，还需要更严格的质量指标，如相位噪声与相位相干性。本文提供了生成式 CNN 结构的信号处理模型，描述了影响这些质量指标的因素，并基于流行的深度学习框架给出了复值数据到给定 CNN 结构的映射方案。
引用
@article{arxiv.2008.01184,
title = {Generative Adversarial Networks for Synthesizing InSAR Patches},
author = {Philipp Sibler and Yuanyuan Wang and Stefan Auer and Mohsin Ali and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2008.01184},
year = {2020}
}
备注
accepted in preliminary version for EUSAR2020 conference