SSN：用于 SAR 图像变化检测的 Stockwell 散射网络
计算机视觉与模式识别
2023-04-25 v1 图像与视频处理
信号处理
摘要
近年来，由于散斑噪声的存在，合成孔径雷达（SAR）图像变化检测已成为一个有趣而具挑战性的方向。尽管传统与现代学习驱动方法均试图克服此挑战，基于深度卷积神经网络（DCNNs）的方法仍受限于可解释性不足与高计算力需求。为克服该缺陷，小波散射网络（WSN）与傅里叶散射网络（FSN）被提出。结合 WSN 与 FSN 各自优势，我们基于广泛应用于抗噪信号且展现散斑抑制优势特性的 Stockwell 变换，提出了 Stockwell 散射网络（SSN）。所提 SSN 提供抗噪特征表示，并在 SAR 图像变化检测中取得最优（state-of-art）性能及高计算效率。在三个真实 SAR 图像数据集上的实验结果证明了所提方法的有效性。
引用
@article{arxiv.2304.11404,
title = {SSN: Stockwell Scattering Network for SAR Image Change Detection},
author = {Gong Chen and Yanan Zhao and Yi Wang and Kim-Hui Yap},
journal= {arXiv preprint arXiv:2304.11404},
year = {2023}
}
备注
5 pages, 6 figures