减少斑点并限制合成孔径雷达(SAR)图像中物理参数的变化通常是完全利用此类数据潜力的关键步骤。如今,深度学习方法产生了最新的现状,从而导致单位SAR修复。然而,现在经常可用巨大的多阶梯堆栈,并且可以有效利用以进一步提高图像质量。本文探讨了两种快速的策略,这些策略采用单像伪装算法,即SAR2SAR,在多个阶段的框架中。第一个是基于Quegan过滤器,并取代了SAR2SAR的局部反射率预估计。第二个使用SAR2SAR来抑制从“超级图像”的形式(即时间序列的时间算术平均值)形式的形式编码多个时间段信息的比率图像中抑制斑点。 Sentinel-1 GRD数据的实验结果表明,这两种多时间策略提供了改进的过滤结果,同时增加了有限的计算成本。
translated by 谷歌翻译