典型文献
边缘信息引导学习的改进SAR-CNN相干斑抑制算法
文献摘要：
为提升传统CNN网络在抑制SAR图像乘性相干斑时的边缘保护性能,提出了一种改进的CNN抑斑算法SAR-ICNN.该方法首先利用一阶均值比与二阶均值比联合构建的图像强度信息,改善受乘性相干斑影响的边缘检测性能,并经阈值化处理获取图像的边缘区域与同质区;其次,对不同区域给予不同的权重,生成突出边缘信息的边缘强调图,并将边缘强调图与含斑图像一起送入CNN卷积神经网络,引导网络更精确地学习图像边缘信息,从而在抑斑的同时更好保护边缘.实验结果表明,与SAR-CNN等五种算法相比,SAR-ICNN算法获得的抑斑图像具有更清晰的边缘视觉效果与更高的参数指标,其中对Set12数据集形成的仿真SAR图像,PNSR、SSIM、EPI三类指标分别平均提升了1.30％、1.16％、4.51％;对真实SAR图像,ENL、EPI两类指标分别提升了116.93％与23.24％.
文献关键词：
SAR图像;相干斑抑制;卷积神经网络;边缘引导;边缘保持
中图分类号：
作者姓名：
樊雯雪;朱磊;朱奇伟;李志蒙;姚同钰
作者机构：
西安工程大学电子信息学院,陕西西安710048;杭州昇擎科技有限公司,浙江杭州310018
文献出处：
引用格式：
[1]樊雯雪;朱磊;朱奇伟;李志蒙;姚同钰-.边缘信息引导学习的改进SAR-CNN相干斑抑制算法)[J].长江信息通信,2022(11):41-45
A类：
Set12
B类：
信息引导,引导学习,SAR,相干斑抑制,边缘保护,ICNN,联合构建,强度信息,边缘检测,检测性能,边缘区域,调图,斑图,起送,送入,地学,图像边缘信息,视觉效果,参数指标,PNSR,SSIM,EPI,三类指标,ENL,边缘引导,边缘保持
AB值：
0.376412
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
