基于Faster R-CNN的卫星SAR图像南海海洋内波自动检测
海洋内波广泛存在于世界各大洋和边缘海中,在海洋能量串级中扮演着重要角色,在海洋资源开发、海洋工程建设和海洋军事活动等方面均具有重要学术价值与实际意义.海洋内波在合成孔径雷达SAR(Synthetic Aperture Radar)图像上呈现出亮暗相间的条纹状特征.本文利用2001年-2020年南海海域包含不同微波波段(C、L、X)、不同极化方式、不同空间分辨率的631幅星载SAR图像,构建了5480个SAR图像南海海洋内波样本,结合Faster R-CNN框架,利用迁移学习的方法,实现SAR图像上的海洋内波自动检测.模型识别准确率达到95.7%,召回率为92.3%,在准确率较高的同时还能保持较低的虚警率.该算法的建立使得基于海量卫星SAR数据检出海洋内波成为可能,从而为针对性地开展内波动力参数反演和过程研究提供了技术和数据基础.
海洋内波、自动识别、合成孔径雷达、深度学习、Faster R-CNN
27
P2(测绘学)
海南省自然科学基金项目;国家自然科学基金;国家自然科学基金
2023-06-08(万方平台首次上网日期,不代表论文的发表时间)
共14页
905-918