Объект исследования – радиолокационные изображения. Цель работы – разработка и применение алгоритмов фильтрации шума с помощью сверточной нейронной сети для радиолокационных изображений. Для фильтрации шума на радиолокационных изображениях спроектированы различные архитектуры искусственных нейронных сетей. Оценка работы полученных моделей проводилась при помощи специальных метрик качества на разработанном наборе данных. Также проведено сравнение нейросетевого подхода с классическими методами. Использовались открытые образовательные ресурсы и программы поиска и анализа информации. Использовались средства автоматизации разработки: Python. Применено программное обеспечение: Python. Результатом является обученная модель нейронной сети, которая позволяет эффективно удалять шум с радиолокационных изображений.

The subject of the graduate qualification work is “radar images”. The given work is devoted to developing and apply noise filtering algorithms based on deep learning methods for radar images. Various designs of artificial neural networks are used to filter noise in radar images. The performance of the models was assessed using special quality metrics in the processed data set. A comparison of the neural network course with classical methods was also carried out. Open educational resources and programs for searching and analyzing information were used. Development automation tools used: Python. Software used: Python. The result is a trained neural network model that can effectively remove noise from radar images.