基于混合损失U-Net的SAR图像渤海海冰检测研究
文献类型：CNKI期刊论文
| 作者 | 徐欢; 任沂斌 |
| 发表日期 | 2021-06-15 |
| 出处 | 海洋学报
 |
| 关键词 | 合成孔径雷达图像 海冰检测 深度学习 U-Net 混合损失函数 |
| 英文摘要 | 渤海是我国重要的经济区,海冰灾害严重威胁着人类生产活动。合成孔径雷达具有全天候成像能力,研究渤海区域的SAR图像海冰检测具有重要意义。传统海冰检测方法受限于特征提取方法和建模方式,检测精度有待提升。深度学习具有极强的特征自学习能力,适用于图像检测问题。本文基于深度学习框架U-Net,以Sentinel-1双极化(VV和VH)合成孔径雷达图像为输入信息,设计混合损失函数优化传统U-Net模型,形成了基于混合损失U-Net的渤海海冰检测模型。将本文模型与传统海冰检测方法 [脉冲耦合神经网络(PCNN)、马尔科夫随机场(MRF)和分水岭算法]和基于深度卷积神经网络(CNN)的深度学习方法进行了对比。实验结果表明:本文基于混合损失U-Net的海冰检测模型在重叠度、 F1分数、精确度和召回率4项度量指标上分别达到了97.567%、 98.769%、98.767%和98.771%,检测效果明显优于对比方法;双极化信息输入的检测结果比VV单极化输入的检测结果在F1分数、精确度、召回率和重叠度上分别提高了0.375%、0.111%、0.639%和0.740%;混合损失函数的检测结果比非混合损失函数的检测结果在F1分数、精确度、召回率和重叠度上分别提高了1.129%、0.947%、1.794%和2.231%;模型能对冰水沿线、冰间水道、冰间隙等细节进行有效检测;可应用于渤海区域整幅SAR图像的海冰检测,为海冰监测、海冰变化分析、海冰预报提供技术支撑。 |
| 文献子类 | CNKI期刊论文 |
| 资助机构 | 中国博士后科学基金（2019M662452） ; 中国科学院战略先导专项（XDA19060101,XDA19090103） ; 山东省重大科技创新工程（2019JZZY010102） |
| 卷 | v.43期:06页:161-174 |
| 语种 | 中文; |
| 分类号 | P715.7;P731.15 |
| ISSN号 | 0253-4193 |
| 源URL | [http://ir.qdio.ac.cn/handle/337002/187747]  |
| 专题 | 中国科学院海洋研究所 |
| 作者单位 | 1.中国科学院海洋研究所海洋环流与波动重点实验室 2.江苏海洋大学海洋技术与测绘学院 3.中国科学院海洋大科学研究中心 |
| 推荐引用方式 GB/T 7714 | 徐欢,任沂斌. 基于混合损失U-Net的SAR图像渤海海冰检测研究. 2021. |
入库方式： OAI收割
来源：海洋研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。