| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Despeckling of SAR Images Using Residual Twin CNN and Multi-Resolution Attention Mechanism
Avtorji:ID Pongrac, Blaž (Avtor)
ID Gleich, Dušan (Avtor)
Datoteke:.pdf remotesensing-15-03698-v3_(1).pdf (13,70 MB)
MD5: D965841C3BFB9981C2775A8BC41010B3
 
URL https://www.mdpi.com/2072-4292/15/14/3698
 
Jezik:Angleški jezik
Vrsta gradiva:Znanstveno delo
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:The despeckling of synthetic aperture radar images using two different convolutional neural network architectures is presented in this paper. The first method presents a novel Siamese convolutional neural network with a dilated convolutional network in each branch. Recently, attention mechanisms have been introduced to convolutional networks to better model and recognize features. Therefore, we propose a novel design for a convolutional neural network using an attention mechanism for an encoder–decoder-type network. The framework consists of a multiscale spatial attention network to improve the modeling of semantic information at different spatial levels and an additional attention mechanism to optimize feature propagation. Both proposed methods are different in design but they provide comparable despeckling results in subjective and objective measurements in terms of correlated speckle noise. The experimental results are evaluated on both synthetically generated speckled images and real SAR images. The methods proposed in this paper are able to despeckle SAR images and preserve SAR features.
Ključne besede:synthetic aperture radar, speckle, speckle suppression, despeckling, deep learning, convolutional neural network
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:25.05.2023
Datum sprejetja članka:20.07.2023
Datum objave:24.07.2023
Založnik:MDPI
Leto izida:2023
Št. strani:Str. 1-25
Številčenje:Letn. 15, št. 14, št. članka 3698
PID:20.500.12556/DKUM-86527 Novo okno
UDK:621.39
COBISS.SI-ID:161242883 Novo okno
DOI:10.3390/rs15143698 Novo okno
ISSN pri članku:2072-4292
Avtorske pravice:© 2023 by the authors
Datum objave v DKUM:21.02.2024
Število ogledov:280
Število prenosov:25
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Remote sensing
Skrajšan naslov:Remote sens.
Založnik:MDPI
ISSN:2072-4292
COBISS.SI-ID:32345133 Novo okno

Gradivo je financirano iz projekta

Financer:ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:P2-0065
Naslov:Telematika

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:24.07.2023

Sekundarni jezik

Jezik:Slovenski jezik
Opis:V tem članku smo predstavilo odstranjevanje pegastega šuma slik s sintetično odprtino z uporabo dveh različnih arhitektur konvolucijskih nevronskih mrež. Prva metoda predstavlja novo siamsko konvolucijsko nevronsko mrežo z razširjeno konvolucijsko mrežo v vsaki veji. Nedavno so bili v konvolucijska omrežja uvedeni mehanizmi pozornosti za boljše modeliranje in prepoznavanje funkcij. Zato predlagamo novo zasnovo za konvolucijsko nevronsko mrežo z uporabo mehanizma pozornosti za omrežje tipa kodirnik dekodirnik. Ogrodje je sestavljeno iz večstopenjskega omrežja prostorske pozornosti za izboljšanje modeliranja semantičnih informacij na različnih prostorskih ravneh in dodatnega mehanizma pozornosti za optimizacijo širjenja značilnosti. Obe predlagani metodi se razlikujeta po zasnovi, vendar zagotavljata primerljive rezultate odstranjevanja pegastega šuma pri subjektivnih in objektivnih meritvah v smislu koreliranega pegastega šuma. Eksperimentalni rezultati so ovrednoteni tako na sintetično ustvarjenih pegastih slikah kot na resničnih slikah SAR. Metode, predlagane v tem dokumentu, lahko odstranijo pegasti šum iz slik SAR in ohranijo bistvene lastnosti slik SAR.
Ključne besede:radarji, globoko učenje, konvolucijske nevronske mreže


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici