基于改进Faster R-CNN模型的SAR图像溢油检测方法

• 作者: 张天龙 过杰
• 来源期刊: 海洋科学
• 关键词: SAR Faster R-CNN 溢油检测 BP神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 研究报告|REPORTS
• 页码范围: 103-112
• 页数: 10页
• 分类号: P76
• 语种: 中文
• DOI: 10.11759/hykx20200406001

摘要

SAR(synthetic aperture radar)图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义.为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进.针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法(Soft-NMS)进行优化.同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播(backpropagation,BP)人工神经网络溢油检测方法并与Faster R-CNN方法进行对比.实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4％和5％,溢油虚警率降低了5％.