基于改进Faster R-CNN模型的SAR图像溢油检测方法
文献类型：CNKI期刊论文
| 作者 | 张天龙; 过杰 |
| 发表日期 | 2021-05-15 |
| 出处 | 海洋科学
 |
| 关键词 | SAR Faster R-CNN 溢油检测 BP神经网络 |
| 英文摘要 | SAR(synthetic aperture radar)图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法(Soft-NMS)进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播(backpropagation,BP)人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。 |
| 文献子类 | CNKI期刊论文 |
| 资助机构 | 国家重点研发计划项目(2017YFC1405600) ; 国家自然科学基金(42076197) ; 国家自然科学基金(41576032)~~ |
| 卷 | v.45;No.383期:05页:105-114 |
| 语种 | 中文; |
| 分类号 | TN957.52;TP183;X834 |
| ISSN号 | 1000-3096 |
| 源URL | [http://ir.qdio.ac.cn/handle/337002/187774]  |
| 专题 | 中国科学院海洋研究所 |
| 作者单位 | 1.中国科学院烟台海岸带研究所山东省海岸带环境过程重点实验室 2.中国科学院大学 3.中国科学院烟台海岸带研究所中国科学院环境过程与生态修复重点实验室 4.中国科学院海洋大科学中心 |
| 推荐引用方式 GB/T 7714 | 张天龙,过杰. 基于改进Faster R-CNN模型的SAR图像溢油检测方法. 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。