保纹理保边缘
利用通用统计样本训练的多目标神经网络，兼顾纹理、边缘与统计特性保持，在三种SAR数据上优于现有方法。
Vitale, Sergio · Ferraioli, Giampaolo · Frery, Alejandro C. · Pascazio, Vito · Yue, Dongxiao · 徐丰
IEEE Transactions on Geoscience and Remote Sensing 2023
训练数据由多类别广义高斯相干SAR模拟器生成，覆盖了同质区域以外的多种散射场景，使网络对不同SAR场景更具适应性。
多目标损失函数同时考虑纹理、边缘和统计特性，避免单一目标优化导致的信息损失。
在三种不同的SAR数据集上进行了数值和定量评估，验证了方法的优越性。