基于生成對抗網絡的SAR圖像降噪模型

解 濤， 郭建勝， 張曉豐， 顧濤勇， 趙博欣

(空軍工程大學，西安 710000)

0 引言

合成孔徑雷達(Synthetic Aperture Radar,SAR)是雷達發展中應用廣泛的一種，其有在全時間段、全氣候條件下對地球表面進行成像觀察的能力。然而,由于SAR系統自身的成像機理就是借助目標物眾多隨機散布的雷達微波進行矢量疊加成像，是一種相干成像系統，所以經常會被斑點狀噪聲所污染。含有大量噪聲的SAR圖像給后續的圖像分割、識別等造成困難，影響準確率。

在去除SAR圖像相干斑噪聲的方法中，利用局部統計的方法對SAR圖像進行估計，從而達到抑制相干斑噪聲的濾波器[1-3]都有較為不錯的去噪效果。1994年，文獻[4]提出了硬閾值和軟閾值的小波降噪算法降噪方法，這是一種變全域濾波技術；同時，軟閾值的降噪效果要優于硬閾值。之后，軟閾值的小波降噪算法[5]在各類圖像的降噪上均有應用；2008年，文獻[6]針對空域濾波法對細節處理不夠好的缺點，采用非局部均值法，利用塊與塊之間的相似度，設計出的三維匹配塊算法(Block-Matching and 3D filtering,BM3D)對相干斑噪聲的抑制有著不錯的效果；2009年，文獻[7]結合Contourlet變換和小波降噪算法相關知識設計了更適合SAR的噪聲抑制算法。

近年來，隨著深度學習的不斷發展，深度學習在分類[8]、檢測[9]相關的各種應用中表現出良好的性能。由于深度學習不需要人工干預便可自動提取相關特征，SAR相干斑噪聲抑制的相關研究學者便開始將深度學習應用于SAR圖像噪聲抑制。卷積神經網絡(Convolutional Neural Networks,CNN)由于自身網絡結構特點被廣泛應用于圖像處理，因此就有了專為SAR圖像噪聲抑制而設計的CNN[10]，其與傳統方法相比，降噪效果更好。……