文章详情
| 稿件标题： | 基于深度学习的合成孔径雷达图像去噪综述 |
| 稿件作者： | 雷钰1,2,刘帅奇1,2,3,张璐瑶1,2,刘彤1,2,赵杰1,2 |
| DOI： | 10.11809/bqzbgcxb2022.11.010 |
| 科学编辑： | 丁辉 博士(首都师范大学副教授) |
| 栏目名称： | 低质量图像修复与图像质量评估专栏 |
| 关键词： | 合成孔径雷达图像； 相干斑抑制； 深度学习； 卷积神经网络； 图像去噪 |
| 文章摘要： | 传统的合成孔径雷达图像去噪算法在细节保存能力和运行时间上存在局限性，而深度学习方法具有独特优势。通过对国内外有关文献的归纳和总结，分析了基于深度学习的合成孔径雷达图像去噪算法的理论基础和优缺点，阐述了网络模型的具体实现细节。从监督模型和自监督模型方面对合成孔径雷达去噪算法进行分类。叙述了去噪算法的训练及测试过程，包括训练及测试数据的、训练过程中常用的损失函数和分析、模拟及具体测试数据评价指标；展望了合成孔径雷达图像散斑抑制的研究方向。 |
| 稿件基金： | 国家自然科学基金项目(62172139);河北省自然科学基金项目(F2020201025);河北省高等学校科学技术研究青年拔尖项目(BJ2020030);河北大学校长基金项目(XZJJ201909); 河北大学研究生创新资助项目(HBU2021ss002);模式识别国家重点实验室开放课题(202200007); 广东省数字信号与图象处理技术重点实验室开放基金项目(2020GDDSIPL-04) |
| 引用本文格式： | 雷钰,刘帅奇,张璐瑶，等.基于深度学习的合成孔径雷达图像去噪综述［J］.兵器装备工程学报，2022，43(11)：71-80. LEI Yu, LIU Shuaiqi, ZHANG Luyao, et al.Review of synthetic aperture radar image denoising based on deep learning［J］.Journal of Ordnance Equipment Engineering，2022，43(11)：71-80. |
| 刊期名称： | 2022年11期 |
| 出版时间： | 2022年11月 |
| 上线时间： | 2022年11月28日 |
| 浏览次数： | 2535 |
| 下载次数： | 107 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |