DeepAutofocus: нейросетевой метод улучшения фокусировки SAR-изображений

В журнале Remote Sensing опубликована работа о DeepAutofocus — методе автоматической фокусировки радиолокационных изображений на основе глубокого обучения. Авторы рассматривают проблему ошибок фазы, которые могут ухудшать качество SAR-изображений и затруднять их использование в задачах дистанционного зондирования.

В основе предложенного подхода лежит гибридная архитектура, сочетающая Transformer и свёрточную нейронную сеть. Свёрточная часть извлекает локальные пространственные признаки, а механизм внимания Transformer помогает учитывать зависимости между участками изображения, сформированными по подапертурным данным.

Для оценки фазовых ошибок разработчики применили кубические B-сплайны, отказавшись от необходимости задавать заранее определённую полиномиальную модель высокого порядка. По замыслу авторов, это позволяет гибче описывать сложные фазовые ошибки и уменьшать нежелательные колебания на границах изображения.

Исследование посвящено повышению качества фокусировки SAR-данных, в том числе в сложных условиях обработки. Такие методы важны для дальнейшего развития радиолокационного ДЗЗ, где качество сформированного изображения влияет на последующее дешифрирование и извлечение информации. Количественные показатели эффективности здесь стоит оценивать по экспериментальным таблицам самой статьи, а не переносить на любые данные без дополнительной проверки.

Источник