共查询到17条相似文献,搜索用时 390 毫秒
1.
2.
北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%~19.04%, 0.063~0.321和0.111~0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve... 相似文献
3.
4.
图像分割是SAR溢油检测中的关键步骤,但由于SAR影像中存在斑点噪声,使得一般的图像分割算法难以收到理想的效果,严重影响溢油检测的精度.发展一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的溢油SAR图像分割算法.该算法利用多尺度分割的思想,能够有效保持SAR影像中溢油斑块的形状特征,并能减少细碎斑块的产生.利用2010年墨西哥湾的Envisat ASAR影像开展了溢油SAR图像分割实验,并将该算法和Canny边缘检测、OTSU阈值分割、FCM分割、水平集分割等方法进行了对比.结果显示,HAC方法可以有效减少细碎斑块的产生,有助于提高SAR溢油检测的精度. 相似文献
5.
针对海浪场中合成孔径雷达(SAR)图像的灰度特征混杂、人工目视分类困难的问题,本文利用简化的Inception-ResNet-V2模型与注意力机制相结合的方法,在减少网络层数、加快运算效率的同时,大幅度提升了计算机对SAR图像中海浪条纹清晰度的识别准确率.在利用模型进行图像分类时,本文提出分块识别的方式,对各块分类概率... 相似文献
6.
7.
8.
9.
10.
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。 相似文献
11.
基于同态滤波的海表图像照度校正 总被引:2,自引:0,他引:2
应用数字图像处理与分析的方法来研究海洋动态过程中,由于光照不均而造成的海表面图像亮度不均,致使图像对比度不强和图像降质。采用修正系数的同态滤波,实验显示图像对比度得到提高,图像更加清晰,是一种有效的照度校正处理方法。 相似文献
12.
为了解决水下航行器惯性导航误差随时间积累问题,利用地形辅助导航技术进行导航位置修正。由于水下地形的非线性,对基于扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波(PF)3种非线性滤波方法的水下地形辅助导航算法进行研究。针对传统基于单波束声纳量测模型在小起伏地形区域导航精度低、易发散问题,从提高量测地形信息量角度,建立了基于多波束测深声纳的量测模型。使用多波束实测地形数据进行仿真试验,结果表明:无论在粗糙地形区域还是较平坦地形区域,多波束量测模型有效缓解了3种方法易发散问题,提高了导航精度。 相似文献
13.
基于控制点影像库的合成孔径雷达图像几何校正 总被引:2,自引:0,他引:2
近年来,多谱段和高分辨率合成孔径雷达(SAR)成像技术已取得巨大进步,人们也高度重视其潜在的应用前景.但是,因为雷达斜视成像性质和地形起伏影响,SAR图像在山区的几何畸变非常复杂,采用常规方法不能达到正射校正的结果,所以目前SAR图像的应用情况并不尽人意.实际应用的雷达图像正射纠正方法,特别是密集三角形格网的数字微分纠正方法需要大量纠正控制点,但是,雷达图像噪声和目标边缘模糊使自动匹配的选点算法难以成功.提出了一种基于控制点影像库的纠正控制点选点方法,用以提高点位精度和工作效率.该方法包括纠正区域控制点影像建库、灵活交互操作机制设计和点匹配操作.对不同空间分辨率雷达图像的实验处理结果表明,该方法具有较好的应用价值. 相似文献
14.
15.
合成孔径雷达(SAR)图像的斑点噪声严重阻碍了其数据的解译和应用,从数学物理的观点描述SAR图像的衰落统计特性,并将仿真结果与真实SAR图像作比较,得出两者具有一致性,最后提出根据SAR图像衰落统计特性的目标检测方法。 相似文献
16.
随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集(SAR Ship Detection Dataset,SSDD)的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络(Faster Region-based Convolutional Neural Network,Faster R-CNN)在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络(Backbone... 相似文献