Una Red Neuronal Convolucional Conjunta para el Despeckling Simultáneo y Clasificación de Objetivos SAR

Las técnicas de aprendizaje profundo (DL) han atraído recientemente mucha atención en el reconocimiento automático de objetivos (ATR) de radar de apertura sintética (SAR). Debido al patrón de imagen coherente, las imágenes SAR sufren inherentemente de ruido de speckle. Para mitigar su influencia, esta carta propone una red neuronal convolucional conjunta (J-CNN) para el despeckling y la clasificación simultáneos de objetivos SAR. Integra un proceso de dos pasos en el marco de la CNN, pero sin la operación de agrupamiento durante la fase de despeckling. Luego, se introduce una nueva función de pérdida y se dan sus derivadas parciales con respecto a los pesos para el entrenamiento de la J-CNN. Finalmente, se llevan a cabo experimentos comparativos con algunos modelos de red clásicos basados en imágenes de objetivos SAR sintéticos. Los resultados demuestran que el método propuesto no solo supera significativamente a otros modelos en condiciones de ruido de speckle fuerte, sino que también tiene una arquitectura eficiente con menos parámetros de peso.