Skip to Main content Skip to Navigation
New interface
Conference papers

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.
Complete list of metadata

https://hal.telecom-paris.fr/hal-03781619
Contributor : Emanuele Dalsasso Connect in order to contact the contributor
Submitted on : Tuesday, September 20, 2022 - 2:59:09 PM
Last modification on : Friday, September 23, 2022 - 12:46:49 PM

File

MERLIN_GRETSI.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03781619, version 1

Citation

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⟩

Share

Metrics

Record views

32

Files downloads

1