Apprentissage autosupervisé pour le despeckling d'images SAR avec MERLIN : application aux images Sentinel-1 Stripmap - Département Image, Données, Signal Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Apprentissage autosupervisé pour le despeckling d'images SAR avec MERLIN : application aux images Sentinel-1 Stripmap

Résumé

Les fluctuations dues au phénomène de chatoiement sont un frein à l'interprétation des images acquises par un Radar à Synthèse d'Ouverture (RSO, aussi appelé SAR en anglais). Pour faciliter l'utilisation de ces images pour l'observation de la Terre, il est important de réduire le chatoiement. Nous décrivons ici MERLIN, une nouvelle méthode permettant d'entraîner de manière auto-supervisée un réseau neuronal convolutif pour la réduction de chatoiement exploitant la décomposition d'une image SAR complexe en partie réelle et imaginaire. Nous présentons l'adaptation de ce cadre aux images Sentinel-1 acquises en mode Stripmap.
Fichier principal
Vignette du fichier
MERLIN_GRETSI.pdf (11.01 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03781619 , version 1 (20-09-2022)

Identifiants

  • HAL Id : hal-03781619 , version 1

Citer

Emanuele Dalsasso, Loïc Denis, Florence Tupin. Apprentissage autosupervisé pour le despeckling d'images SAR avec MERLIN : application aux images Sentinel-1 Stripmap. GRETSI 2022 (Groupe de Recherche et d'Etudes de Traitement du Signal et des Images), Sep 2022, Nancy, France. ⟨hal-03781619⟩
139 Consultations
45 Téléchargements

Partager

Gmail Facebook X LinkedIn More