QSpeckleFilter：一种用于 SAR 斑点滤波的量子机器学习方法
信号处理
2024-02-05 v1
摘要
合成孔径雷达（SAR）的使用极大地提升了我们全面监测地球的能力，无论天气条件如何，无论白天黑夜，都能提供关于地表使用和覆盖的详细洞察。然而，SAR 影像质量常常受到斑点噪声的损害，这种颗粒状干扰在没有合适数据处理的情况下，给生成精确结果带来了挑战。在此背景下，本文探索了量子机器学习（QML）在斑点滤波中的前沿应用，利用量子算法来解决计算复杂性。我们在此介绍 QSpeckleFilter，一种用于 SAR 斑点滤波的新型 QML 模型。与同一作者此前的相关工作相比，所提出的方法在测试数据集上的峰值信噪比（PSNR）和结构相似性指数（SSIM）方面展示了其优越性能，并为地球观测（EO）应用开辟了新途径。
引用
@article{arxiv.2402.01235,
title = {QSpeckleFilter: a Quantum Machine Learning approach for SAR speckle filtering},
author = {Francesco Mauro and Alessandro Sebastianelli and Maria Pia Del Rosso and Paolo Gamba and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2402.01235},
year = {2024}
}
备注
We have submitted this paper to IGARSS 2024