基于卷积神经网络的SAR图像水体提取
基于SAR图像的水体提取在洪涝监测等领域应用广泛.基于阈值分割的水体提取方法容易将山体阴影分类为水体进行错误提取,传统机器学习的分类方法需要人工提取有效的特征,低效耗时.提出了基于卷积神经网络的SAR图像水体提取方法,首先对SAR图像进行分块处理,通过基于图像块的多层卷积操作和池化操作自动学习SAR图像特征,最后利用Sigmoid分类器对所提取的特征进行水体和非水体的分类,实现水体的提取.通过基于Sentinel-1A获取的SAR数据的实验验证了所提方法的有效性,水体提取的召回率和精确率均可达到99%,并且性能优于OTSU阈值方法和基于纹理特征的SVM方法.该方法克服了山体阴影对水体提取的影响,并且其自动学习特征的能力可以实现水体的高效提取.
SAR图像、水体提取、卷积神经网络
44
TN959.3
2021-07-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
125-131