基于注意力与非对称卷积的SAR图像去噪方法及系统技术方案

本发明专利技术提供了一种基于注意力与非对称卷积的SAR图像去噪方法及系统，包括：对数据集中的图像进行预处理，并基于预处理后的图像构建训练样本；构建SAR图像去噪模型，该SAR图像去噪模型包括：非对称卷积模块、结合空洞卷积的双注意力模块，以及特征重构卷积；训练集中的图像作为SAR图像去噪模型的输入，不断进行模型训练，并在训练过程中优化SAR图像去噪模型的各项参数，最终得到训练后的SAR图像去噪模型；通过训练后的SAR图像去噪模型对待测试图像进行去噪处理，输出去噪后的图像。采用本发明专利技术中的图像处理方法能够在有效抑制噪声的同时，较好地保留SAR图像的纹理特征，使得图像的去噪效果更佳。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体地，涉及一种基于注意力与非对称卷积的sar图像去噪方法及系统。

技术介绍

1、合成孔径雷达(synthetic aperture radar，sar)图像是一种基于微波雷达技术的遥感成像方式，其具有全天候、高分辨率和长距离成像的优势。然而，sar图像在成像过程中，会受到斑点噪声的影响，这是由于雷达系统的相干性所导致的。斑点噪声使得图像的视觉效果变差，降低了图像的对比度，从而影响了各种图像处理和分析任务的效果。

2、目前，在光学图像降噪领域，基于深度学习的方法发展非常迅速，降噪效果也很不错。但是，由于sar图像噪声的特殊性和sar图像数据集很少，近年来只有少数研究者尝试使用深度学习方法来解决sar图像去噪问题。例如，通过对适合图像分类的vgg网络进行了改动，其得到的模型在消除加性噪声方面表现出了大幅超过bm3d的性能。针对sar图像的去噪卷积神经网络(sar-cnn)，它对输入的sar图像进行了对数变换，与传统算法sar-bm3d相比，该方法的去噪效果都得到了显著提升。又例如，通过结合相干斑的乘法噪声模型，提出了散斑深本文档来自技高网...

【技术保护点】

1.一种基于注意力与非对称卷积的SAR图像去噪方法，其特征在于，包括：

2.根据权利要求1所述的基于注意力与非对称卷积的SAR图像去噪方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的基于注意力与非对称卷积的SAR图像去噪方法，其特征在于，所述步骤2包括：

4.根据权利要求3所述的基于注意力与非对称卷积的SAR图像去噪方法，其特征在于，所述步骤2.1中的非对称卷积模块，具体用于：

5.根据权利要求3所述的基于注意力与非对称卷积的SAR图像去噪方法，其特征在于，所述步骤2.2中的结合空洞卷积的双注意力模块包括：5层空洞卷积和ReLU...

【技术特征摘要】

1.一种基于注意力与非对称卷积的sar图像去噪方法，其特征在于，包括：

2.根据权利要求1所述的基于注意力与非对称卷积的sar图像去噪方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的基于注意力与非对称卷积的sar图像去噪方法，其特征在于，所述步骤2包括：

4.根据权利要求3所述的基于注意力与非对称卷积的sar图像去噪方法，其特征在于，所述步骤2.1中的非对称卷积模块，具体用于：

5.根据权利要求3所述的基于注意力与非对称卷积的sar图像去噪方法，其特征在于，所述步骤2.2中的结合空洞卷积的双注意力模块包括：5层空洞卷积和relu激活函数、通道注意力模块、空间注意力模块，其中，5层空洞卷积的卷积核大小均为3×3，5层空洞卷积膨胀率的膨胀率分别为1、2、3、2、1；

6.根据权利要求5所述的基于注意力与非对称卷...

【专利技术属性】
技术研发人员：谷岳，程金纬，蒋嘉成，沈霁，张震，邓松峰，
申请(专利权)人：上海航天测控通信研究所，
类型：发明
国别省市：