一种利用卷积神经网络的干涉图去噪方法

摘要：

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络(convolutional neural networks,CNN)进行干涉图去噪.首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果.利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络(denoising convolutional neural network,DnCNN)进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性.

关键词：干涉图、卷积神经网络、非监督学习、相位噪声

所属期刊栏目：48

分类号：P237(摄影测量学与测绘遥感)

资助基金：测绘自主可控专项;中国测绘科学研究院基本科研业务费

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：559-567