公开(公告)号：CN117689573A

公开(公告)日：2024-03-12

申请号：CN202311797642.4

申请日：2023-12-25

Applicant: 武汉大学

Inventor： 刘芮 ,  田昕 ,  肖滢 ,  管建军

IPC: G06T5/70 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出了一种基于ConvNeXt网络的SAR图像深度学习去噪方法和系统。首先构建散斑噪声估计子网络，从噪声强度图像和噪声相位图像中提取得到散斑图像。接着构建双分支特征融合去噪子网络，将散斑图像与噪声强度图像作为该子网络的输入，利用交叉注意模块对两个分支每层输出的特征图进行信息交换，并将两个分支的特征融合得到低噪声SAR图像。网络采用ConvNeXt作为编码器和解码器的主干，采用四层网络作为散斑噪声估计子网络和双分支特征融合去噪子网络分支的机构，构建用于SAR图像去噪的深度网络，并设计了适用于该网络的损失函数，最后在真实数据集上进行训练，根据训练得到的网络模型进行SAR图像去噪。本发明方法优于现有的基于深度学习的SAR图像去噪方法。