基于深度卷积网络的海洋涡旋检测模型

发布时间：2021-02-02 07:57

　　传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。 

【文章来源】：南京航空航天大学学报. 2020,52(05)北大核心

【文章页数】：6 页

【部分图文】：

数据集采样海域

本文提出了一种新的多涡旋检测模型，该模型能够很好地检测出两种不同类型的涡旋（气旋涡和反气旋涡），在恢复涡旋图像空间分辨率上体现出了巨大优势。图2给出了模型具体结构，该模型由两部分组成：编码模块和解码模块。编码模块包括从图像输入进行卷积操作开始，到下采样结束的整个过程，通过卷积汇聚丰富的涡旋特征语义信息；解码模块包括从上采样操作开始，到检测出涡旋的整个过程，可以对海洋涡旋进行准确的空间分辨率恢复。2.1 编码模块

稠密块简图


本文编号：3014364