纯散斑强度图像需要 SDS-SAR 进行 SAR 去斑
图像与视频处理
2025-03-26 v2
摘要
散斑噪声随 SAR 成像机制产生，降低了 SAR 图像的质量，导致解译困难。因此，去斑是 SAR 预处理中不可或缺的一步。幸运的是，监督学习（SL）已被证明是一种渐进的 SAR 图像去斑方法。SL 方法在训练时需要同时提供原始 SAR 图像及其无散斑对应图像，而无散斑 SAR 图像在现实世界中并不存在。尽管存在若干无散斑图像的替代物，但域差距导致性能和适应性较差。自监督提供了一种无需干净参考的训练途径。然而，大多数自监督方法对散斑建模或特定数据有较高要求，限制了其在真实场景中的实用性。为应对这些挑战，我们提出了一种 SAR 图像自监督去斑策略（SDS-SAR），其仅依赖散斑强度数据进行训练。首先，确立了无无散斑图像时 SAR 图像去斑的理论可行性。提出了一种适用于所有 SAR 图像的自监督去斑准则。随后，提出了一种具有投影相关性估计的随机感知子采样器（RA-SAMPLE）。可从实际 SAR 强度图像中导出相互独立的训练对。此外，引入了由去斑项、正则化项和感知项组成的多特征损失函数。散斑抑制与纹理保留的性能得到了良好平衡。实验表明，所提方法在合成数据上与监督方法表现相当，在真实数据上优于它们。
引用
@article{arxiv.2308.05975,
title = {Purely Speckled Intensity Images Need for SAR Despeckling with SDS-SAR},
author = {Liang Chen and Yifei Yin and Hao Shi and Jingfei He and Wei Li},
journal= {arXiv preprint arXiv:2308.05975},
year = {2025}
}