SAR图像去斑的频率驱动异质模型

来源：信号处理杂志 2025年第12期北京时间：

作者：周彬, 罗毅, 张江波

摘要：现有合成孔径雷达（Synthetic Aperture Radar， SAR）图像去斑模型大多来源于相关通用视觉领域，普遍缺乏对散斑噪声空间异质分布特性的处理能力。本文提出一个用于SAR图像去斑的频率驱动异质模型，通过池化层显式分离高频和低频特征，并依据不同噪声分布特性分别处理。首先，设计了一种深度卷积交叉协方差注意力，能够对高频特征进行联合空间-通道全局建模，增强边缘关键信息表示，去除复杂散斑效应；随后，引入一种大核卷积残差模块，利用感受野优势有效抑制低频特征中的简单散斑影响；最后，为强化频率特征间的互补性交互，进一步提升去斑性能，提出一种选择性频率融合模块，能够通过少量参数自适应融合经异质处理后的高频和低频特征。在模拟和真实SAR图像数据集上的实验结果表明，本文模型在量化指标和视觉效果上均优于多种现有的SAR图像去斑方法。相较于次优方法，平均峰值信噪比（Peak Signal-to-Noise Ratio， PSNR）提高约0.14 dB，平均结构相似度（Structure Similarity Index Measure， SSIM）提高约0.01，而推理时间减少99%以上。相较于经典的轻量化方法，平均PSNR提高0.78~1.12 dB，平均SSIM提高0.02~0.06。

关键词：SAR图像去斑, 异质模型, 卷积神经网络, 注意力机制