基于SAR复数数据相位信息的海冰语义分割与分类研究
《Remote Sensing》:From Electrification to Urban Nighttime Radiance: Using VIIRS Nighttime Lights to Interpret Progress and Trade-Offs Across Sustainable Development Goals 3, 7, and 11
【字体:
大
中
小
】
时间:2026年10月24日
来源:Remote Sensing 4.3
编辑推荐:
海冰检测与分类对于航行安全和气候变化研究至关重要。合成孔径雷达(SAR)凭借高分辨率、全天时和全天候成像能力,已成为这些任务的重要数据来源。然而,现有的大多数深度学习研究仅依赖振幅数据,未能充分利用复数值信息。本研究评估了Sentinel-1单视复数(SLC)数据中经过局部滤
海冰检测与分类对于航行安全和气候变化研究至关重要。合成孔径雷达(SAR)凭借高分辨率、全天时和全天候成像能力,已成为这些任务的重要数据来源。然而,现有的大多数深度学习研究仅依赖振幅数据,未能充分利用复数值信息。本研究评估了Sentinel-1单视复数(SLC)数据中经过局部滤波处理的通道间相位信息,是否为传统的HH和HV振幅提供互补信息。我们使用AI4 Arctic Sea Ice Challenge数据集(ASID Challenge),构建了复数值数据集,并通过四种代表性的语义分割网络评估了不同的输入组合。我们在ASID Challenge的六个类别中检验了分类结果,并结合实际航行场景,将这六个类别映射为三个类别:开阔水域、初期冰和发育冰。在FCN直接三分类训练条件下,相位增强使平均测试Macro-F1和mIoU分别提升了4.4%和6.1%。结果表明,尽管其在所有六分类实验中的增益并不一致,但当海冰类型按更宽泛的发育阶段进行分组时,相位信息提供了更为可靠的提升。这些发现表明,通道间相位包含了振幅之外的互补信息,有可能在实用应用场景下改进SAR海冰分类效果。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号