文献

J-GLOBAL ID：202202229521409828   整理番号：22A0457024

FDFNet:高分解能完全PolSAR画像生成のための融合ネットワーク【JST・京大機械翻訳】

FDFNet: A Fusion Network for Generating High-Resolution Fully PolSAR Images

著者 (4件)： Lin Liupeng (School of Resource and Environmental Sciences, Wuhan University, Wuhan, China) ,  Shen Huanfeng (Collaborative Innovation Center of Geospatial Technology and the School of Resource and Environmental Sciences, Wuhan University, Wuhan, China) ,  Li Jie (School of Geodesy and Geomatics, Wuhan University, Wuhan, China) ,  Yuan Qiangqiang (Collaborative Innovation Center of Geospatial Technology and the School of Geodesy and Geomatics, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4500905.1-5  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： 深層学習は,画像融合分野における潜在的優位性を示す。システム制限によって引き起こされた偏波合成開口レーダ(PolSAR)画像の空間分解能劣化の問題を解決するために,著者らは完全PolSAR画像と二重SAR画像融合ネットワーク(FDFNet)を提案する。低解像度(LR)-PolSAR超解像度(LPSR)と修正交差注意機構(MCroAM)を用いて,LR-PolSARと高分解能(HR)-二重偏波合成開口レーダ(DualSAR)に関するデータ融合を行い,偏波情報を維持するためのLR-PolSAR画像の偏光パラメータを導入するための偏光分解注意モジュールを設計した。さらに,空間分解能再構成を導くためにLR-PolSARとHR-DualSARの間の微分情報を使用した。L_1ノルムに基づく損失関数を用いて,ネットワーク訓練プロセスを制約した。実験結果は,視覚と定量的評価において既存の方法に関して提案方法の優位性を示した。さらに,偏光分解実験により,偏波情報を維持するための提案した方法の有効性を検証した。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： 視覚 ,  偏光 ,  損失関数 ,  *ネットワーク ,  微分 ,  再構成 ,  偏波 ,  有効性 ,  *高分解能 ,  ノルム ,  空間分解能 ,  データ融合
準シソーラス用語： 画像融合 ,  *SAR画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 高分解能 ,  画像生成 ,  融合