NeighCNN: 一种基于 CNN 并使用特征保留损失函数的 SAR 散斑抑制方法
图像与视频处理
2021-08-27 v1 计算机视觉与模式识别
摘要
相干成像系统(如合成孔径雷达)易受乘性噪声影响,使得自动目标识别等应用面临挑战。本文提出了一种基于深度学习的散斑抑制算法 NeighCNN,该算法利用相对简单的卷积神经网络架构处理乘性噪声。我们设计了一种损失函数,将欧几里得损失、邻域损失和感知损失的加权和进行独特组合,用于训练深度网络。欧几里得损失和邻域损失考虑了像素级信息,而感知损失则考虑了两幅图像间的高层语义特征。多种合成及真实 SAR 图像被用于测试 NeighCNN 架构,结果验证了所提架构的噪声去除与边缘保持能力。峰值信噪比、结构相似性指数和通用图像质量指数等性能指标被用于评估所提架构在合成图像上的有效性。
引用
@article{arxiv.2108.11573,
title = {NeighCNN: A CNN based SAR Speckle Reduction using Feature preserving Loss Function},
author = {Praveen Ravirathinam and Darshan Agrawal and J. Jennifer Ranjani},
journal= {arXiv preprint arXiv:2108.11573},
year = {2021}
}
备注
5 pages