大梯度形变相位保真
采用自适应噪声估计与非对称损失，在保留大梯度形变细节的同时提升相位质量与解缠精度。
高延东 · Yao, Jiaqi · 周伟 · 郑南山 · Li, Shijin · 田雨
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2024
注入的噪声由异方差高斯噪声与模拟的真实成像噪声构成，比现有方法更接近实际干涉噪声相位，因此训练出的网络对真实数据泛化能力更强。
网络利用 CNN 结构自适应估计输入噪声水平，无需预先设定噪声参数，因此对不同噪声强度的数据都能有效滤波。
通过非对称损失函数，显著提升了对不同尺度目标尤其是大梯度形变区域的细节保持能力，避免相位损失。