近日，電子與信息工程學(xué)院本科生毛鑫同學(xué)以第一作者在國(guó)際高水平期刊 IEEE Journal Of Selected Topics In Applied Earth Observations And Remote Sensing（JCR 1區(qū)，中科院2區(qū)，IF=5.5）上發(fā)表了一篇題為《ACGNet: An Alternating Conjugate Gradient Optimization-Based Neural Network for SAR Image Despeckling》的研究論文。

目前基于深度學(xué)習(xí)的合成孔徑雷達(dá)（SAR）圖像去噪方法主要依賴(lài)于全局噪聲模型或局部特征學(xué)習(xí)，在噪聲抑制和細(xì)節(jié)保留之間難以達(dá)到較好的平衡。針對(duì)這一問(wèn)題，文章提出了一種新的協(xié)作去噪框架，該框架將迭代優(yōu)化和深度學(xué)習(xí)相結(jié)合，以解決SAR圖像中斑點(diǎn)抑制和特征保留之間的固有沖突。通過(guò)將交替CGIA與可訓(xùn)練的去噪網(wǎng)絡(luò)協(xié)同工作，方法在抑制乘性噪聲的同時(shí)逐步增強(qiáng)了紋理保存，從而提高了模擬訓(xùn)練網(wǎng)絡(luò)對(duì)真實(shí)SAR數(shù)據(jù)的泛化能力。在合成和真實(shí)SAR數(shù)據(jù)集上的大量實(shí)驗(yàn)證實(shí)了提出的方法在保持輻射可靠性和幾何真實(shí)性方面的優(yōu)勢(shì)，特別是在城市監(jiān)測(cè)等邊緣敏感場(chǎng)景中。除了技術(shù)創(chuàng)新之外，這項(xiàng)工作還對(duì)實(shí)時(shí)性要求較高的應(yīng)用提供了實(shí)用價(jià)值，所提出的方法在保持較低計(jì)算開(kāi)銷(xiāo)或時(shí)間數(shù)據(jù)稀缺的同時(shí)有較好的去噪效果。

我校為該論文第一完成單位，毛鑫同學(xué)為第一作者，林聰老師為通訊作者。該論文得到了國(guó)家自然科學(xué)基金、廣東省自然科學(xué)基金和大學(xué)生創(chuàng)新團(tuán)隊(duì)項(xiàng)目的資助。