EU-Transformer：一种通过纹理保留增强U形变换器的SAR图像去噪方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：EU-Transformer: An Enhanced U-shape Transformer via Texture Retention for SAR Image Denoising

　　

摘要：

合成孔径雷达（SAR）由于其独特的成像机制，固有地存在斑点噪声问题，这给从SAR图像中提取有效信息带来了重大挑战。因此，斑点抑制在SAR图像处理中至关重要。现有的基于深度学习的SAR图像去噪算法难以在斑点减少和纹理保留之间达到最佳平衡。针对上述问题，本文提出了EU-Transformer，这是一种通过纹理保留来增强U形Transformer结构的SAR图像去噪方法。具体而言，在编码阶段，EU-Transformer使用多尺度增强Transformer块（METB）从噪声图像中提取层次化特征，从而捕获多尺度表示；随后通过瓶颈层进一步提炼深度特征。在解码阶段，为了充分利用局部和全局图像信息，本文构建了双分支增强Transformer块（DETB）来逐步重建深度特征；此外，为了更好地保留图像纹理，在跳跃连接阶段引入了纹理保留块（TRB）以增强特征传输。最后，EU-Transformer通过全局残差学习生成去噪后的输出。实验结果表明，所提出的EU-Transformer在定量和定性分析中均优于当前最先进的去噪算法。源代码可在以下链接获取：https://github.com/cvmdsp/EU-Transformer。