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。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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