A Deep Learning Approach for SAR Tomographic Imaging of Forested Areas

要約

合成開口レーダー断層撮影イメージングは​​、干渉構成で実行される一連のコヒーレントな取得からシーンの 3 次元反射率を再構成します。
森林地帯では、多数の要素が各解像度セル内のレーダー信号を後方散乱します。
垂直方向の反射率プロファイルを再構築するために、最先端の技術により、反復最小化アルゴリズムの形式で実装された正規化された反転が実行されます。
単一のフィードフォワード パスでトモグラフィー インバージョンを実行するように軽量ニューラル ネットワークをトレーニングできることを示します。これにより、将来の BIOMASS ミッションによって提供されるデータ量により適切にスケーリングできる高速再構成が可能になります。
シミュレートされたデータを使用してエンコーダー/デコーダー ネットワークをトレーニングし、実際の L バンドおよび P バンド データで手法を検証します。

要約(オリジナル)

Synthetic aperture radar tomographic imaging reconstructs the three-dimensional reflectivity of a scene from a set of coherent acquisitions performed in an interferometric configuration. In forest areas, a large number of elements backscatter the radar signal within each resolution cell. To reconstruct the vertical reflectivity profile, state-of-the-art techniques perform a regularized inversion implemented in the form of iterative minimization algorithms. We show that light-weight neural networks can be trained to perform the tomographic inversion with a single feed-forward pass, leading to fast reconstructions that could better scale to the amount of data provided by the future BIOMASS mission. We train our encoder-decoder network using simulated data and validate our technique on real L-band and P-band data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google