摘要：由于合成孔径雷达(synthetic aperture radar,SAR)成像系统相干成像机理的特性,SAR图像不可避免的会存在相干斑噪声,严重影响图像分割、目标检测、目标识别等后续工作的有效实施.针对这一问题,本文提出了一种基于卷积神经网络的SAR图像去噪方法.该方法首先搭建了一种去噪模型,该模型使用扩张卷积提取特征,在网络层数较少的情况下,仍可获得较大的感受野,避免了因网络层数过多而引起的计算负担和效率低;为了加速训练过程、提高模型的去噪性能,又引入了残差学习和批归一化策略;然后,利用训练样本训练搭建好的网络,学习SAR图像的噪声分布特性,再从原始图像减去噪声,得到去噪后的图像;最后利用仿真和实测数据对网络进行测试与评估,结果表明,本文方法具有良好的去噪效果和较高的计算效率,对比传统的SAR-BM3D和NL-SAR方法,本文方法不仅去噪效果好,而且在计算时间上有明显优势.
