SAR Despeckling using a Denoising Diffusion Probabilistic Model

要約

スペックルは合成開口レーダ（SAR）画像を含む全てのコヒーレントイメージングモダリティに影響を与える乗法的なノイズである。スペックルの存在は画質を劣化させ、自動ターゲット認識や変化検出などのSAR画像理解アプリケーションの性能に悪影響を及ぼします。このように、SARのスペックル除去はリモートセンシングにおける重要な問題です。本論文では、SARデスペックルのためのノイズ除去拡散確率モデルであるSAR-DDPMを紹介します。提案手法は、マルコフ連鎖により、ランダムなノイズを繰り返し加えることで、きれいな画像を白色ガウスノイズに変換するものである。また、スペックル画像を条件としたノイズ予測器を用いて、追加されたノイズを繰り返し予測する逆処理により、デスペックル画像を復元する。さらに、デスペクルの性能を向上させるために、サイクルスピニングに基づく新しい推論戦略を提案する。合成画像と実SAR画像を用いた実験により，提案手法は定量的・定性的な結果において，最新のデスペッキング手法と比較して大きな改善を達成することが示された．

要約(オリジナル)

Speckle is a multiplicative noise which affects all coherent imaging modalities including Synthetic Aperture Radar (SAR) images. The presence of speckle degrades the image quality and adversely affects the performance of SAR image understanding applications such as automatic target recognition and change detection. Thus, SAR despeckling is an important problem in remote sensing. In this paper, we introduce SAR-DDPM, a denoising diffusion probabilistic model for SAR despeckling. The proposed method comprises of a Markov chain that transforms clean images to white Gaussian noise by repeatedly adding random noise. The despeckled image is recovered by a reverse process which iteratively predicts the added noise using a noise predictor which is conditioned on the speckled image. In addition, we propose a new inference strategy based on cycle spinning to improve the despeckling performance. Our experiments on both synthetic and real SAR images demonstrate that the proposed method achieves significant improvements in both quantitative and qualitative results over the state-of-the-art despeckling methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL