使用过完备卷积网络的SAR去斑
计算机视觉与模式识别
2022-06-01 v1 图像与视频处理
摘要
合成孔径雷达(Synthetic Aperture Radar, SAR)去斑是遥感中的一个重要问题，因为散斑会降低SAR图像质量，影响检测和分割等下游任务。近期研究表明卷积神经网络(CNNs)优于经典的去斑方法。传统CNN试图随着网络加深而增大感受野尺寸，从而提取全局特征。然而，散斑相对较小，增大感受野无助于提取散斑特征。本研究采用过完备CNN架构，通过限制感受野来专注于学习低级特征。所提出的网络由一个专注于局部结构的过完备分支和一个专注于全局结构的欠完备分支组成。我们表明，在合成和真实SAR图像上，与近期去斑方法相比，所提出的网络提升了去斑性能。
引用
@article{arxiv.2205.15906,
title = {SAR Despeckling Using Overcomplete Convolutional Networks},
author = {Malsha V. Perera and Wele Gedara Chaminda Bandara and Jeya Maria Jose Valanarasu and Vishal M. Patel},
journal= {arXiv preprint arXiv:2205.15906},
year = {2022}
}
备注
Accepted to International Geoscience and Remote Sensing Symposium (IGARSS), 2022. Our code is available at https://github.com/malshaV/sar_overcomplete