SAR具有全天时、全天候、高分辨的优点,在各领域具有广泛。传统SAR成像受限于模型,无法根据任务和目标进行调整。SAR学习成像利用先验信息,以实现高性能和自适应成像。本报告介绍两种的SAR学习成像深度网络方法,一种通过引入特征学习和误差估计,实现自聚焦成像,另一种通过引入目标特征,实现目标增强图像。最后,对SAR深度网络学习成像进行了总结。李敏(1990-),江苏徐州人,本科和硕士毕业于电子科技大学电子工程学院,现为电子科技大学信息与通信工程学院在读博士研究生,主要研究方向为雷达成像,优化算法,机器学习等。在论坛的提问交流环节,专家的问题很专业,为后续工作提供了指导。第三届雷达学报博士论坛第二轮通知(初选名单)
第二届雷达学报博士论坛优秀学术报告发布
第二届雷达学报博士论坛成功举办!
【最新成果】改进的L1/2阈值迭代高分辨率SAR成像算法(视频)
【最新综述】星源照射双/多基地SAR成像(视频)
学术报告 | 分布式无人机SAR智能三维成像(视频)
学术讲堂 | SAR遇见深度学习(视频)
欢迎转发本号原创内容,转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。本号发布信息旨在传播交流,其内容由作者负责,不代表本号观点。如涉及文字、图片、版权等问题,请在20日内与本号联系,我们将第一时间处理。《雷达学报》拥有最终解释权。