PolMERLIN：基于掩码网络的自监督极化复 SAR 图像去斑
计算机视觉与模式识别
2024-01-17 v1 机器学习
摘要
去斑是提升合成孔径雷达（SAR）图像质量的关键降噪任务。直接获取无噪 SAR 图像是一项极具挑战性的任务，阻碍了精确去斑算法的发展。深度学习的出现促进了仅从含噪 SAR 图像学习的去噪模型研究。然而，现有方法仅处理单极化图像，无法处理现代卫星捕获的多极化图像。在本工作中，我们对现有的单极化 SAR 图像生成模型进行了扩展，以处理多极化 SAR 图像。具体而言，我们提出了一种新颖的自监督去斑方法，称为通道掩码，该方法利用了极化之间的关系。此外，我们采用了一种处理像素间相关性的空间掩码方法，以进一步提升我们方法的性能。通过有效整合多极化信息，我们的方法在合成和真实场景的定量评估中均超越了当前最先进的方法。
引用
@article{arxiv.2401.07503,
title = {PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling with Masked Networks},
author = {Shunya Kato and Masaki Saito and Katsuhiko Ishiguro and Sol Cummings},
journal= {arXiv preprint arXiv:2401.07503},
year = {2024}
}
备注
To appear on IEEE Geoscience and Remote Sensing Letters