基于改进双边网络的SAR图像海陆分割方法

发布时间：2021-12-01 19:47

　　海陆分割是海岸线提取、近岸目标检测的一个基本步骤。传统的海陆分割算法分割准确度差,参数调节繁琐,难以满足实际应用要求。卷积神经网络能够高效地提取图像多个层次特征,广泛应用于图像分类任务,可作为海陆分割新的技术途径。其中双边网络（BiSeNet）能有效平衡分割精度和速度,在自然场景图像语义分割任务上取得了较好的表现。但对于SAR图像海陆分割任务,双边网络难以有效提取SAR图像的上下文语义信息和空间信息,分割效果较差。针对上述问题,该文根据SAR图像特点减少双边网络中空间路径的卷积层数,从而降低空间信息的损失,并选用ResNet18轻量化模型作为上下文路径骨干网络,减少过拟合现象并提供较广阔的特征感受野,同时提出边缘增强损失函数策略,提升模型分割性能。基于高分三号SAR图像数据的实验表明,所提方法可有效提升网络的预测精度和分割速率,其分割准确度和F1分数分别达到了0.9889和0.9915,对尺寸大小为1024×1024的SAR图像切片处理速率为12.7 frames/s,均优于当前主流的分割网络框架。此外,所提网络的规模较BiSeNet减少50%以上,并小于轻量级的U-Net架构,同时网... 

【文章来源】：雷达学报. 2020,9(05)北大核心CSCD

【文章页数】：12 页

【参考文献】：
期刊论文
[1]基于知识蒸馏的轻量型浮游植物检测网络[J]. 张彤彤,董军宇,赵浩然,李琼,孙鑫.  应用科学学报. 2020(03)
[2]基于局部超分辨重建的高精度SAR图像水域分割方法[J]. 李宁,牛世林.  雷达学报. 2020(01)
[3]面向海面目标检测的陆海分离和海面分区算法研究[J]. 周明,马亮,王宁,杨予昊.  雷达学报. 2019(03)
[4]一种基于密集深度分离卷积的SAR图像水域分割算法[J]. 张金松,邢孟道,孙光才.  雷达学报. 2019(03)
[5]基于SLIC超像素分割的SAR图像海陆分割算法[J]. 李智,曲长文,周强,刘晨.  雷达科学与技术. 2017(04)
[6]高分三号卫星总体设计与关键技术[J]. 张庆君.  测绘学报. 2017(03)
[7]HRWS SAR图像舰船目标监视技术研究综述[J]. 邢相薇,计科峰,康利鸿,詹明.  雷达学报. 2015(01)
[8]SAR图像水域的改进Shearlet边缘检测[J]. 侯彪,胡育辉,焦李成.  中国图象图形学报. 2010(10)
[9]典型Otsu算法阈值比较及其SAR图像水域分割性能分析[J]. 安成锦,牛照东,李志军,陈曾平.  电子与信息学报. 2010(09)



本文编号：3526947