Apprentissage autosupervisé pour le despeckling d'images SAR avec MERLIN : application aux images Sentinel-1 Stripmap - Archive ouverte HAL Access content directly
Conference Papers Year :

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

(1, 2) , (3) , (1)
1
2
3

Abstract

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
Origin : Files produced by the author(s)

Dates and versions

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

Identifiers

  • HAL Id : hal-03781619 , version 1

Cite

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⟩
32 View
1 Download

Share

Gmail Facebook Twitter LinkedIn More