Unsupervised TomoSAR Image Reconstruction Through Virtual Multiple Measurement Explorations

Tomographic synthetic aperture radar (TomoSAR) reconstruction produces 3D imaging of scenes from measurements and has recently been combined with data-driven deep learning techniques. While most existing methods rely on supervised learning with simulation-based and paired training samples, we focus...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the IEEE National Radar Conference (1996) s. 321 - 326
Hlavní autoři:	Liu, Liang, Zeng, Tianjiao, Wang, Mou, Shi, Jun, Wei, Shunjun, Zhang, Xiaoling, Zhan, Xu
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 04.10.2025
Témata:	data-driven Deep learning Image reconstruction Loss measurement neural network inductive bias Noise Noise measurement Physics Redundancy Three-dimensional displays tomoSAR Training Unsupervised learning
ISSN:	2375-5318
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!