《雷达学报杂志》发表论文赏析
作者:李宁, 郭志顺, 毋琳, 赵建辉
单位:1.河南大学计算机与信息工程学院 开封 475004;2.河南省智能技术与应用工程技术研究中心 开封 475004;3.河南省大数据分析与处理重点实验室 开封 475004;
摘要:高精度提取合成孔径雷达(SAR)图像中的河流边界,对河流水势监测具有重要意义。以检测郑州7·20暴雨后黄河的健康状况为实施例,该文融合精致Lee滤波思想与卷积操作的滤波特性,提出了基于河道几何特性的优化内部权值卷积核Refined-Lee Kernel,进而提出了一种新型河道提取深度神经网络模型,即River-Net。为验证所提模型的有效性,该文获取了郑州7·20暴雨前后两景欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)影像数据,利用暴雨前的影像对模型进行训练,用于提取暴雨后的黄河河道,分析黄河在暴雨后的涨势情况。实验结果表明,相比主流语义分割模型,所提模型能够更精确地在SAR图像中提取河道,对洪水灾害的检测与评估有重要应用价值。
关键词:合成孔径雷达(SAR), Refined-Lee Kernel, 精致Lee滤波, 神经网络, 河道提取
基金资助:河南省重大公益项目(201300311300),河南省科技攻关计划项目(212102210101, 212102210093),国家自然科学基金(61871175)
2022年3期其他文献查阅:
River-Net:面向河道提取的Refined-Lee Kernel深度神经网络模型
基于几何约束移动最小二乘的TomoSAR山区点云高精度三维重建方法
GEO-LEO双基SAR序贯多帧-多通道联合重建无模糊成像方法