近日，电子与信息工程学院大三本科生毛鑫同学以第一作者在国际高水平期刊 IEEE Journal Of Selected Topics In Applied Earth Observations And Remote Sensing（JCR 1区, 中科院2区, IF=5.5）上发表了一篇题为《ACGNet: An Alternating Conjugate Gradient Optimization-Based Neural Network for SAR Image Despeckling》的研究论文(DOI: 10.1109/JSTARS.2025.3573586)。
目前基于深度学习的合成孔径雷达（SAR）图像去噪方法主要依赖于全局噪声模型或局部特征学习，在噪声抑制和细节保留之间难以达到较好的平衡。针对这一问题，文章提出了一种新的协作去噪框架，该框架将迭代优化和深度学习相结合，以解决SAR图像中斑点抑制和特征保留之间的固有冲突。通过将交替CGIA与可训练的去噪网络协同工作，方法在抑制乘性噪声的同时逐步增强了纹理保存，从而提高了模拟训练网络对真实SAR数据的泛化能力。在合成和真实SAR数据集上的大量实验证实了提出的方法在保持辐射可靠性和几何真实性方面的优势，特别是在城市监测等边缘敏感场景中。除了技术创新之外，这项工作还对实时性要求较高的应用提供了实用价值，所提出的方法在保持较低计算开销或时间数据稀缺的同时有较好的去噪效果。
我校为该论文第一完成单位，自动化1221毛鑫同学为第一作者，我校林聪教师为通讯作者。该论文得到了国家自然科学基金、广东省自然科学基金和大学生创新团队项目的资助。
（吴建强 报道）
