赵伶俐副教授在遥感领域权威期刊TGRS发表极化SAR去噪研究成果

近日，课题组在合成孔径雷达相干斑去噪领域取得重要进展。研究成果以《Deep-Learning and SIRV-Based Dual-Domain Speckle Suppression for PolSAR Imagery》（基于深度学习和SIRV的极化SAR影像双域相干斑抑制）为题，发表于遥感领域一区TOP期刊IEEE Transactions on Geoscience and Remote Sensing（影响因子8.6）。赵伶俐副教授为第一作者，李平湘教授、杨杰教授、史磊副教授、硕士生江楠等为共同作者，孙维东副研究员为通讯作者。

目前，针对单通道SAR相干斑去噪开发的深度学习网络展现出良好的降噪能力，但将基于深度学习的模型直接应用于极化SAR数据时，由于复数通道或极化SAR数据归一化处理，预测结果易出现极化信息失真。本研究提出一种基于球不变随机向量（SIRV）模型的极化SAR去噪网络，该模型将极化相干矩阵分解为归一化极化相干矩阵和纹理分量。针对极化域和纹理域分别开发了两种网络模型：采用Swin-Transformer与卷积组合模块提取纹理的全局和局部特征，在极化域使用复数模块进行复数输入的极化特征提取。针对纹理域滤波提出比值平衡均方误差（RBMSE）的新型损失函数，以协助网络处理非归一化数据。研究采用不同频率和分辨率的极化SAR数据验证所提方法的鲁棒性，结果表明基于深度学习和SIRV的双域滤波算法在不同传感器获取的图像上均取得良好效果，为极化SAR图像深度学习滤波提供了新框架。

本研究得到国家自然科学基金（项目号：62471337、U22A2010、62401273以及42201416），国家重点研发计划（项目号：2024YFC3810804），自然资源部地理国情监测重点实验室开放基金（项目号：2026NGCM2-05）以及日本宇宙航空研究开发机构（JAXA）第四期对地观测研究项目（EO-RA4，项目号：ER4A2N083）的资助。

论文链接：https://doi.org/10.1109/TGRS.2026.3654601