Approccio basato su deep learning per la formazione di immagini radar ad apertura sintetica

This thesis proposes a method of focusing Synthetic Aperture Radar (SAR) RAW data using a deep learning technique. The approach is based on the implementation of a suitable Convolutional Neural Network (CNN), a Deep Neural Network model used to learn an efficient representation of input data. Pairs of images acquired by Sentinel-1 mission are downloaded from the Copernicus Open Access Hub and different preprocessing stages are performed before training the Neural Network model to reconstruct the focused image from the RAW data. The aim is to find and train a suitable Neural Network architecture that is able to process the RAW SAR decompressed data and predict the corresponding focused version to extract useful information directly on-board satellite.

La tesi propone un metodo basato sull'uso di reti neurali profonde per focalizzare i dati grezzi (RAW) di radar ad apertura sintetica (SAR). L'approccio si basa sull'implementazione di un'opportuna Rete Neurale Convoluzionale (CNN), un modello di Deep Neural Network utilizzato per apprendere una rappresentazione efficiente dei dati di input. Coppie di immagini acquisite dalla missione Sentinel-1 sono scaricate dal Copernicus Open Access Hub e diverse fasi di pre-elaborazione vengono eseguite prima di addestrare il modello di Rete Neurale per ricostruire l'immagine focalizzata dai dati RAW. L'obiettivo è quello di trovare e addestrare un'architettura di Rete Neurale adatta che sia in grado di elaborare i dati SAR grezzi decompressi e prevedere la corrispondente versione focalizzata per estrarre informazioni utili direttamente a bordo del satellite.