SAR 图像彩色化：利用深度神经网络将单极化转换为全极化
计算机视觉与模式识别
2017-07-25 v1
摘要
提出了一种基于深度神经网络的方法，用于将单极化灰度 SAR 图像转换为全极化图像。该方法由两个部分组成：一个特征提取器网络，用于提取灰度 SAR 图像的层次化多尺度空间特征；随后是一个特征转换器网络，用于将空间特征映射至极化特征，利用该极化特征可以重建每个像素的极化协方差矩阵。利用真实全极化数据进行了定性和定量实验，以展示所提方法的有效性。重建的全极化 SAR 图像与真实全极化图像吻合良好。现有的 PolSAR 应用，如基于模型的分解和非监督分类，可以直接应用于重建的全极化 SAR 图像。该框架可以轻松扩展到从紧凑极化数据重建全极化数据。实验结果还表明，所提出的方法可能用于交叉极化通道上的干扰去除。
引用
@article{arxiv.1707.07225,
title = {SAR Image Colorization: Converting Single-Polarization to Fully Polarimetric Using Deep Neural Networks},
author = {Qian Song and Feng Xu and Ya-Qiu Jin},
journal= {arXiv preprint arXiv:1707.07225},
year = {2017}
}