doi:10.37188/CO.EN.2024-0028

Article Contents

Chinese Optics > 2025 >

Haining Ou, 长頔李, Ruibin Zeng, 言枫吴, Jianing Liu, Peng Cheng. DnCNN-RM: An Adaptive SAR Image Denoising Algorithm Based on Residual Networks[J]. Chinese Optics. doi: 10.37188/CO.EN.2024-0028

Citation:

Haining Ou, 长頔李, Ruibin Zeng, 言枫吴, Jianing Liu, Peng Cheng. DnCNN-RM: An Adaptive SAR Image Denoising Algorithm Based on Residual Networks[J]. Chinese Optics. doi: 10.37188/CO.EN.2024-0028

Citation:

PDF( 492 KB)

DnCNN-RM: An Adaptive SAR Image Denoising Algorithm Based on Residual Networks

doi: 10.37188/CO.EN.2024-0028

1.
Meizhouwan Vocational Technology College Department of Automation Engineering
2.
Suzhou Duty Ratio Information Technology Co., Ltd.
3.
中国科学技术大学

Received Date: 10 Oct 2024
Rev Recd Date: 08 Jan 2025
Accepted Date: 17 Jan 2025

Available Online: 26 Jan 2025

Abstract

Abstract

在图像处理领域，合成孔径雷达（SAR）图像的分析因其广泛的应用而具有重要的作用。然而，这些图像往往受到相干斑点噪声的影响，严重降低了图像质量。传统的去噪技术通常依赖于滤波器设计，存在效率低下和适应性有限的问题。为应对这些挑战，本研究提出了一种基于增强残差网络架构的SAR图像去噪算法，旨在提高SAR图像在复杂电磁环境中的实用性。该算法集成了残差网络模块，直接利用噪声输入图像生成去噪输出，从而显著降低了计算复杂性以及模型训练的难度。此外，算法引入了自适应激活函数Meta-ACON，通过动态调整神经元的激活模式，增强了网络的特征提取能力。该去噪方法的有效性通过使用来自RSOD数据集的真实SAR图像进行实证验证，在EPI, SSIM, ENL保持优秀性能的同时，PSNR有了显著提升，相比于传统算法及深度学习算法，PSNR提高两倍性能以上。结果表明，该算法在减轻斑点噪声的同时，能够很好地保留图像中的重要特征。