SAR影像洪水淹没范围深度学习提取方法

摘要：

为提高洪涝灾害应急救援辅助决策能力,快速提取洪水淹没范围,提出一种基于深度学习的合成孔径雷达(SAR)影像洪水淹没范围提取方法.首先,基于DeepLab v3+模型,建立合成孔径雷达(SAR)影像洪水淹没范围提取模型;然后,针对SAR影像标注数据获取困难的问题,提出一种基于光学影像水体指数的半自动化标注样本制作方法,该方法大幅度减少标注工作的人工量和所需时间;最后,采用Sentinel-1卫星影像验证洪水淹没范围提取模型准确度.结果表明:提出的洪水淹没范围提取模型对复杂地表适应性较强;相比于自适应阈值方法,其识别精度更高,对遥感影像中的水体边缘、小面积水体、细长线状水体识别效果更优,该模型平均交并比为0.83.

关键词：合成孔径雷达(SAR)、洪水淹没范围、深度学习、DeepLab v3+模型、水体提取

所属期刊栏目：32

分类号：X915.5(安全科学基础理论)

资助基金：国家重点研发计划2018YFC0807000

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：177-184