علوم و فناوری فضایی

علوم و فناوری فضایی

‫بهبود‬‫تثبیت‬ ‫تصاویر‬ ‫رادار‬ ‫دهانه‬ ‫مصنوعی‬ ‫مبتنی‬ ‫بر‬ ‫یک‬ ‫شبکه‬ ‫ی‬ ‫عمیق‬ ‫سبک‌ وزن ‬‫و‬ ‫روش‬ ‫نوین‬ ‫تلفیق‬ ‫ویژگی‬

نوع مقاله : مقالة‌ پژوهشی‌

نویسندگان
1 دانشکده مهندسی برق، دانشگاه صنعتی شیراز، شیراز، ایران
2 ‫پژوهشکده‬ ‫مکانیک‬
چکیده
تثبیت تصاویر رادار دهانه مصنوعی (SAR) یکی از پیش‌پردازش‌های حیاتی برای بسیاری از کاربردهای سنجش از دور است. با این حال، وجود نویز لکه‌ای و بافت‌های همگن در تصاویر SAR این کار را با چالش‌ همراه می­کند. در این پژوهش روشی برای تثبیت تصاویر SAR پیشنهاد می­شود. روش پیشنهادی، (SARNet)، یک شبکه عصبی عمیق سبک و بهینه مختص تصاویر SAR است که برای هر نقطه کلیدی سه توصیف‌گر مجزا تولید می‌کند تا دقت ایجاد تناظر میان نقاط ویژه را افزایش دهد. این روش بر روی مجموعه داده‌ای متنوع شامل تصاویر Radarsat، Sentinel-1، ALOS-PALSAR و ERS-2 ارزیابی شده است. نتایج تجربی نشان می‌دهد که SARNet به همراه الگوریتم تناظر زیرتوصیف‌گری به طور قابل توجهی تناظرات دقیق‌تری میان نقاط ویژه برقرار می‌کند. این شبکه دقتی قابل قیاس نسبت به روش‌های یادگیری عمیق پیشرفته دارد، درحالی‌که کمترین تعداد پارامتر (۱۱۵ هزار) را در بین روش‌های مقایسه‌ شده داراست.
کلیدواژه‌ها
موضوعات


مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 12 آبان 1404

  • تاریخ دریافت 22 شهریور 1404
  • تاریخ بازنگری 26 مهر 1404
  • تاریخ پذیرش 28 مهر 1404
  • تاریخ اولین انتشار 12 آبان 1404