研究人员开发了一种新颖的自监督深度学习框架，用于增强Sentinel-1条带模式（SM）合成孔径雷达（SAR）影像。该方法利用方位子孔径分解来创建配对训练数据，而无需外部传感器或模拟地面真实值。该框架整合了单帧和多帧学习以及迭代优化过程，在结构保真度方面优于MERLIN等现有基线方法，同时在斑点平滑方面提供了权衡。 AI
排序理由 这是一篇研究论文，详细介绍了一种用于SAR图像增强的新型深度学习框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.29088v1 Announce Type: new Abstract: Synthetic Aperture Radar (SAR) imagery enables all-weather, day-and-night Earth observation; however, it remains difficult to interpret due to speckle noise and other intrinsic imaging artifacts. Sentinel-1 (S1) constitutes one of t…