摘要：合成孔径雷达（synthetic aperture radar， SAR）以其高分辨率和全天候监测能力广泛应用于遥感、军事侦察、海洋监测和灾害评估等领域，但SAR成像过程中受到相干斑噪声的影响显著降低了图像的质量和准确性，给图像的后续解译带来了挑战。本文简要概述了SAR图像相干斑的形成机理，列举了常用SAR数据集及在相干斑噪声建模中的应用，比较了传统去噪算法和基于深度学习的去噪算法的研究进展。在总结国内外学者研究的基础上，介绍了空域滤波、非局部均值和变换域滤波等传统去噪方法的原理及其优缺点，分析了这些方法在保留图像细节与抑制噪声方面的局限性。概括了包括卷积神经网络（convolutional neural network， CNN）、生成对抗网络（generative adversarial network， GAN）等在内的深度学习去噪算法的最新发展，探讨了不同模型的优势与改进策略。最后，通过实验对比分析了各算法的性能和不足，探讨了当前SAR图像去噪面临的挑战及未来的发展趋势。
文章目录
0 引 言
1 SAR图像相干斑产生机理
1.1SAR成像原理
1.2相干斑噪声成因与建模
1.3 SAR数据集在相干斑噪声建模中的应用
2 传统SAR图像去噪方法
2.1经典空域滤波
2.2变换域滤波
2.3非局部均值去噪
2.4 传统去噪算法性能对比分析
3 基于深度学习SAR图像去噪算法
3.1 基于CNN网络的SAR图像去噪算法
3.2 基于GAN网络的SAR图像去噪算法
3.3 基于直接残差学习的SAR图像去噪算法
3.4 基于注意力网络的SAR图像去噪算法
3.5 深度学习去噪算法性能对比分析
4 总结与展望
