Presentation Information
[B-2-13]Quantitative Comparison of Training Phases in Self-Supervised SAR Image Despeckling
◎Ryoya Tsuruga1, Takeshi Amishima1, Seisuke Fukuda2 (1. Meiji Univ., 2. JAXA)
Keywords:
Synthetic Aperture Radar,Speckle,Deep Learning,Wavelet Transform
合成開口レーダ（SAR）はコヒーレント観測に起因するスペックルを含む．これは下流処理の精度を低下させるが，スペックルフリーな参照画像の取得が困難なため，自己教師あり学習が有効である．その一手法であるSAR2SARは，合成スペックルによる初期学習（A），実画像でのファインチューニング（B），再学習（C）の3段階で学習する．本稿では，SAR2SARと，これに学習可能なウェーブレット変換を統合したWT+SAR2SARを対象に，学習フェーズをA／AB／ABCに切り分け，Sentinel-1 GRDデータを用いて定量評価した．その結果，両手法ともBで過平滑が生じ，Cの再学習によりこれが補正されることを示した．全フェーズを学習したABC構成どうしを比べると，WT+SAR2SARはSAR2SARより構造の保存に優れていた．以上より，再学習フェーズCが過平滑の抑制に不可欠であり，ウェーブレット変換の統合が構造保存に有効であることを示した．