基于Faster R-CNN和MorphACWE模型的SAR图像高原湖泊提取

基金项目:
国家自然科学基金项目"环境示踪剂辅助的高寒山区融雪径流过程模拟研究"

中国地质调查局项目"全国矿山环境恢复治理状况遥感地质调查与监测"

青海省青藏高原北部地质过程与矿产资源重点实验室开放课题

详细信息

刊出日期: 2021-03-15

The extraction of plateau lakes from SAR images based on Faster R-CNN and MorphACWE model

Publish Date: 15 March 2021

摘要: 青藏高原湖泊是高原生态环境中最重要的自然要素之一,实现青藏高原湖泊调查与监测是现阶段迫在眉睫的任务.由于水体在SAR图像上呈现出独特的镜面反射特征,使得利用SAR图像进行湖泊的提取与分析成为当下研究热点.为进一步排除干扰地物影响、提高分类准确度,采用欧空局Sentinel-1A干涉宽幅模式的斜距单视复数产品(SLC)为主要数据源,Sentinel-2A多光谱影像Level-1C产品作为参考数据源,提出一种结合改进Faster R-CNN和MorphACWE轮廓模型的SAR图像湖泊提取算法(Faster Region-based Convolution Neural Network-Mor-phACWE,FR-MorphACWE).该算法结合深度学习目标检测算法的高维特征分析和MorphACWE模型的边界提取,从综合干扰多湖泊提取角度进行分类实验评价,充分利用高原湖泊的形态学和雷达反射特征,实现西藏自治区那曲市南部至日喀则市北部高原湖泊高精度提取.实验结果表明,该算法在综合干扰多湖泊情境下准确率可达99.71%,精准率和召回率均高于98%,可作为SAR图像高原湖泊提取的新算法加以推广和应用.
- 目标检测 /
- FasterR-CNN /
- CV轮廓模型 /
- 合成孔径雷达 /
- 高原湖泊提取

中国自然资源航空物探遥感中心	主办
地质出版社	出版