Multi-temporal speckle reduction with self-supervised deep neural networks

要約

スペックルフィルタリングは、通常、合成開口レーダー（SAR）画像の分析の前提条件です。
単一画像のスペックル除去の領域では、驚異的な進歩が達成されました。
最新の技術は、SAR画像に特有のさまざまな構造やテクスチャを復元するためにディープニューラルネットワークに依存しています。
SAR画像の時系列の可用性は、同じ領域で異なるスペックルの実現を組み合わせることにより、スペックルフィルタリングを改善する可能性を提供します。
ディープニューラルネットワークの教師ありトレーニングには、グラウンドトゥルーススペックルフリー画像が必要です。
このような画像は、空間的または時間的な統合によって、何らかの形の平均化によって間接的にのみ取得でき、不完全です。
マルチテンポラルスペックルフィルタリングによって到達可能な非常に高品質の復元の可能性を考えると、グラウンドトゥルース画像の制限を回避する必要があります。
MERLINと呼ばれるシングルルックの複雑なSAR画像の最近の自己監視トレーニング戦略を、マルチテンポラルフィルタリングの場合に拡張します。
これには、空間次元と時間次元、および複素振幅の実数成分と虚数成分の間の統計的依存関係のソースをモデル化する必要があります。
スペックルをシミュレートしたデータセットの定量分析は、追加のSAR画像を含めるとスペックル低減が明らかに改善されることを示しています。
次に、私たちの方法をTerraSAR-X画像のスタックに適用し、競合するマルチテンポラルスペックルフィルタリングアプローチよりも優れていることが示されています。
トレーニング済みモデルのコードは、のIMAGESチームの$ \ href {https://gitlab.telecom-paris.fr/ring/multi-temporal-merlin/}{\text{GitLab}}$で無料で入手できます。
LTCIラボ、T \’el \’ecom Paris Institut PolytechniquedeParis。

要約(オリジナル)

Speckle filtering is generally a prerequisite to the analysis of synthetic aperture radar (SAR) images. Tremendous progress has been achieved in the domain of single-image despeckling. Latest techniques rely on deep neural networks to restore the various structures and textures peculiar to SAR images. The availability of time series of SAR images offers the possibility of improving speckle filtering by combining different speckle realizations over the same area. The supervised training of deep neural networks requires ground-truth speckle-free images. Such images can only be obtained indirectly through some form of averaging, by spatial or temporal integration, and are imperfect. Given the potential of very high quality restoration reachable by multi-temporal speckle filtering, the limitations of ground-truth images need to be circumvented. We extend a recent self-supervised training strategy for single-look complex SAR images, called MERLIN, to the case of multi-temporal filtering. This requires modeling the sources of statistical dependencies in the spatial and temporal dimensions as well as between the real and imaginary components of the complex amplitudes. Quantitative analysis on datasets with simulated speckle indicates a clear improvement of speckle reduction when additional SAR images are included. Our method is then applied to stacks of TerraSAR-X images and shown to outperform competing multi-temporal speckle filtering approaches. The code of the trained models is made freely available on the $\href{https://gitlab.telecom-paris.fr/ring/multi-temporal-merlin/}{\text{GitLab}}$ of the IMAGES team of the LTCI Lab, T\’el\’ecom Paris Institut Polytechnique de Paris.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google