基于深度学习的合成孔径雷达图像去噪综述
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.
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
43
TJ02;TP37(一般性问题)
国家自然科学基金;河北省自然科学基金;河北省高等学校科学技术研究青年拔尖项目;河北大学校长基金项目;河北大学研究生创新资助项目;模式识别国家重点实验室开放课题;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
2023-01-05（万方平台首次上网日期，不代表论文的发表时间）
共10页
71-80
