基于深度学习算法的冰雷达图像冰面与基岩界面提取

极地冰盖底部的冰-基岩界面记录了冰盖的历史演变,反映了冰层的几何特征和冰底环境属性,是推断冰盖动力学和解释冰下地貌的重要指标。机载冰雷达是一种有效的极地冰盖探测方法,但雷达数据受探测环境和仪器自身局限性的影响,会包含各类噪声。为了高效准确地提取冰雷达图像中基岩界面和冰面、降低噪声干扰,利用2015—2016年度中国第32次南极科学考察在伊丽莎白公主地的航空冰雷达观测数据,基于深度学习的pix2pix算法建立了一种自动化提取雷达图像冰面和基岩界面的模型。实验结果表明,该模型提取冰面/基岩界面的精确率为0.863/0.948,峰值信噪比为24.814 dB,均高于以往的K-SVD和CycleGAN同类算法,能更有效地去除噪声、提高图像质量,更高精度地还原现在通用的人工提取效果。