海陸分割是海岸線提取、近岸目標檢測的一個基本步驟。傳統(tǒng)的海陸分割算法分割準確度差,參數調節(jié)繁瑣,難以滿足實際應用要求。卷積神經網絡能夠高效地提取圖像多個層次特征,廣泛應用于圖像分類任務,可作為海陸分割新的技術途徑。其中雙邊網絡（BiSeNet）能有效平衡分割精度和速度,在自然場景圖像語義分割任務上取得了較好的表現。但對于SAR圖像海陸分割任務,雙邊網絡難以有效提取SAR圖像的上下文語義信息和空間信息,分割效果較差。針對上述問題,該文根據SAR圖像特點減少雙邊網絡中空間路徑的卷積層數,從而降低空間信息的損失,并選用ResNet18輕量化模型作為上下文路徑骨干網絡,減少過擬合現象并提供較廣闊的特征感受野,同時提出邊緣增強損失函數策略,提升模型分割性能�；诟叻秩朣AR圖像數據的實驗表明,所提方法可有效提升網絡的預測精度和分割速率,其分割準確度和F1分數分別達到了0.9889和0.9915,對尺寸大小為1024×1024的SAR圖像切片處理速率為12.7 frames/s,均優(yōu)于當前主流的分割網絡框架。此外,所提網絡的規(guī)模較BiSeNet減少50%以上,并小于輕量級的U-Net架構,同時網... 

【文章來源】：雷達學報. 2020,9(05)北大核心CSCD

【文章頁數】：12 頁

【參考文獻】：
期刊論文
[1]基于知識蒸餾的輕量型浮游植物檢測網絡[J]. 張彤彤,董軍宇,趙浩然,李瓊,孫鑫.  應用科學學報. 2020(03)
[2]基于局部超分辨重建的高精度SAR圖像水域分割方法[J]. 李寧,牛世林.  雷達學報. 2020(01)
[3]面向海面目標檢測的陸海分離和海面分區(qū)算法研究[J]. 周明,馬亮,王寧,楊予昊.  雷達學報. 2019(03)
[4]一種基于密集深度分離卷積的SAR圖像水域分割算法[J]. 張金松,邢孟道,孫光才.  雷達學報. 2019(03)
[5]基于SLIC超像素分割的SAR圖像海陸分割算法[J]. 李智,曲長文,周強,劉晨.  雷達科學與技術. 2017(04)
[6]高分三號衛(wèi)星總體設計與關鍵技術[J]. 張慶君.  測繪學報. 2017(03)
[7]HRWS SAR圖像艦船目標監(jiān)視技術研究綜述[J]. 邢相薇,計科峰,康利鴻,詹明.  雷達學報. 2015(01)
[8]SAR圖像水域的改進Shearlet邊緣檢測[J]. 侯彪,胡育輝,焦李成.  中國圖象圖形學報. 2010(10)
[9]典型Otsu算法閾值比較及其SAR圖像水域分割性能分析[J]. 安成錦,牛照東,李志軍,陳曾平.  電子與信息學報. 2010(09)



本文編號：3526947