文献

J-GLOBAL ID：202202223802193703   整理番号：22A0287518

敵対的学習生成スペックルからスペックル画像によるSARスペックル除去の実用的解【JST・京大機械翻訳】

A Practical Solution for SAR Despeckling With Adversarial Learning Generated Speckled-to-Speckled Images

著者 (4件)： Yuan Ye (College of Computer Science and Technology, Harbin Engineering University, Harbin, China) ,  Guan Jian (College of Computer Science and Technology, Harbin Engineering University, Harbin, China) ,  Feng Pengming (State Key Laboratory of Space-Ground Integrated Information Technology, China Academy of Space Technology, Beijing, China) ,  Wu Yanxia (College of Computer Science and Technology, Harbin Engineering University, Harbin, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4004705.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本レターでは,同じシーンからのクリーン(スペックルフリー)SAR画像や独立スペックル画像ペアを必要としない合成開口レーダ(SAR)スペックル除去問題を取り上げ,SARスペックル(PSD)の実用的解決策を提案した。第1に,単一スペックルSAR画像のみが利用できる状況において,同じシーンからスペックル化対スペックル(S2S)画像対を生成するために,敵対学習フレームワークを設計した。次に,S2S SAR画像対を用いて,雑音2Noise(N2N)戦略を用いて,修正復号Nested-UNetモデルを訓練した。さらに,PSD法(PSDi)の反復バージョンも提示した。合成スペックルと実際のSARデータの両方について実験を行い,いくつかの最先端の方法と比較して提案した方法の優位性を実証した。結果は,著者らの方法が特徴保存とスペックル抑制の間の良いトレードオフに達することができることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *学習 ,  *画像 ,  復号化 ,  *スペックル ,  レーダ画像 ,  合成開口レーダ
準シソーラス用語： SAR画像 ,  *スペックル低減 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 敵対的学習 ,  スペックル ,  SAR ,  スペックル除去 ,  解