基于改进双边网络的SAR图像海陆分割方法

• 作者: 冷祥光 戴牧宸 熊博莅 计科峰
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 合成孔径雷达 海陆分割 深度学习 双边网络 损失函数
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 雷达成像识别与对抗专题
• 页码范围: 886-897
• 页数: 12页
• 分类号: TN95
• 语种: 中文
• DOI: 10.12000/JR20089

摘要

海陆分割是海岸线提取、近岸目标检测的一个基本步骤.传统的海陆分割算法分割准确度差,参数调节繁琐,难以满足实际应用要求.卷积神经网络能够高效地提取图像多个层次特征,广泛应用于图像分类任务,可作为海陆分割新的技术途径.其中双边网络(BiSeNet)能有效平衡分割精度和速度,在自然场景图像语义分割任务上取得了较好的表现.但对于SAR图像海陆分割任务,双边网络难以有效提取SAR图像的上下文语义信息和空间信息,分割效果较差.针对上述问题,该文根据SAR图像特点减少双边网络中空间路径的卷积层数,从而降低空间信息的损失,并选用ResNet18轻量化模型作为上下文路径骨干网络,减少过拟合现象并提供较广阔的特征感受野,同时提出边缘增强损失函数策略,提升模型分割性能.基于高分三号SAR图像数据的实验表明,所提方法可有效提升网络的预测精度和分割速率,其分割准确度和F1分数分别达到了0.9889和0.9915,对尺寸大小为1024×1024的SAR图像切片处理速率为12.7 frames/s,均优于当前主流的分割网络框架.此外,所提网络的规模较BiSeNet减少50％以上,并小于轻量级的U-Net架构,同时网络有较强的泛化性能,具有较高的实际应用价值.