基于深度学习的SAR图像去噪及弱监督地物分割研究

来源 :中国科学院大学(中国科学院空天信息创新研究院) | 被引量 : 0次 | 上传用户:usuke
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)影像地物分割是SAR影像解译的一个基本环节。传统的地物分割算法存在大量人工干预,复杂度高,在泛化性和时效性上都无法达到要求。近年来,深度学习算法因其强大的特征提取能力在图像分割领域发展迅速。在SAR大数据背景下,深度学习网络模型可以依托海量的标注数据进行权重迭代更新,使得模型输出能够逼近标注结果。深度学习模型的产生是专家知识与经验积累的结果,其推断准确度受限于训练样本库的体量和质量,依赖于劳动密集型的数据标注工作。SAR影像强度信息受相干斑噪声的干扰,同时具有顶底位移、透视收缩等成像特点。特殊的成像机制使得SAR影像样本标注相较于照片或光学遥感影像要复杂得多,难以保证标注的效率和精度。因此,依托SAR大数据进行地物分割任务,需要耗费大量的时间成本来换取准确的全监督像素级地物标签。为解决上述问题,需要降低全监督地物标注的完整程度,改用在地物位置和轮廓信息上均有所损失的弱监督标注方式,如边界框标注,全局类别标注等,这势必会影响地物分割精度。本文既希望借助弱监督标注以大幅减少人工标注成本,又希望弱监督地物分割模型的精度能逼近全监督分割算法。为此,本文在分析SAR图像成像特性的前提下,开展了基于深度学习的SAR图像去噪以及弱监督地物分割研究。其中,前者为弱监督分割提供基础的数据支持,使弱监督分割算法在边界回归上不受噪声影响。后者将具体针对建筑以及船舶两类人造地物展开研究,在超像素聚类算法、概率图模型以及极坐标射线掩膜回归的辅助下得到精确的地物分割掩膜。主要研究内容及创新点如下:1.针对流行去噪方法性能固化的问题,提出基于纹理量化图的深度学习SAR图像去噪方法。在充分分析SAR噪声的空间相干性以及图像局部纹理特性的前提下,提出纹理量化图的概念并设计了一种新颖的二组分深度学习去噪网络。该网络可自动量化纹理特征,并自适应决定局部区域是平滑噪声还是保持细节。利用高分三号超精细条带模式数据进行实验,所提方法获得了29.23的等效视数,0.1183的噪声图均匀性指标以及0.0307的噪声图结构性指标。此外,多源机载和星载SAR数据去噪实验表明所提方法具有较好的泛化性能。与现阶段流行去噪方法相比,所提方法在主观目视评价以及客观指标评价上具备更优异的性能。同时,其为后续弱监督地物分割方法提供有效的数据支持,提升了分割边界的准确性和平滑连续性。2.针对全监督建筑区标注费时的问题,提出基于超像素分割和卷积神经网络(Convolutional Neural Network,CNN)的全极化SAR建筑区弱监督提取方法。该方法首先利用改进简单线性迭代算法自适应决定紧凑度因子以生成贴合地物边界的超像素,然后基于CNN对每个超像素的代表场景进行多尺度特征提取和分类。所提方法在仅依靠图像全局标签的情况下,将基本分割单元从像素上升为超像素,同时充分考虑极化分解特征和像素空间上下文特征,有效提升建筑区提取的效率和精度。基于高分3号全极化条带模式数据进行实验,所提方法的建筑区提取结果达到平均93.25%的总体精度,91.55%的检测率以及7.19%的虚警率。3.针对复杂场景下船舶定位困难的问题,提出一种基于类激活图和条件随机场的船舶弱监督分割算法。受到计算机视觉类激活图注意力机制的启发,着重验证了基于船舶全局标签进行船舶候选区提取的可行性,并深入分析了候选区的多尺度性和弱监督性。同时,引入全连接条件随机场对船舶候选区进行边界回归,形成精细分割掩膜。以高分3号精细条带模式数据作为实验数据,所提方法在多种背景下对船舶目标进行像素级分割,获得了88.54%的船舶检测率,8%的船舶虚警率以及90.412的F1分数。4.针对并排多目标无法进行准确单目标定位的问题,提出基于伪标签与极坐标射线回归的靠泊船舶弱监督分割方法。首先基于3中所提方法对靠泊船舶进行伪标签制作,结合少量全监督标注数据形成训练数据集;然后,把船舶实例分割问题分解为中心回归和射线回归两个子问题;最后构建极坐标下的交并比损失函数和焦点损失函数对网络进行综合训练。所提方法主要基于伪标签进行网络训练,有效解决了样本制作费时费力以及靠泊船舶样本稀少的问题。同时,通过船舶中心回归与掩膜射线回归机制显著提升密集排列船舶的分割能力。利用高分三号超精细条带模式数据进行实验,所提方法获得了90.75%的船舶检测率以及9.24%的虚警率,在对比方法中精度最高。同时对于训练集增广方式的控制变量消融实验表明,在使用了所提训练集扩增方式之后,网络检测率将得到显著提升,且虚警率会有明显下降。
其他文献
深空探测作为空间技术创新的重要途径,已经逐步称为未来航天计划的重要组成部分。探测器为了在执行探测任务过程中获得更全面、更有效的实验数据信息,需要在环境复杂的陌生地形区域进行软着陆,而探测器自主导航以及环境分析是远程操作环境下需要面临的技术难题。小行星表面常分布碎石堆、盆地以及大小不一的陨石坑等自然地貌,其复杂的地形环境会给探测任务带来很大的困难。又由于小行星表层环境长时间被沙尘覆盖,同时受到光照以
采用超声波改性的大豆分离蛋白作为乳化剂和凝胶基质制备葡萄糖酸内脂(GDL)诱导乳液凝胶,研究超声波处理对大豆分离蛋白乳液和乳液凝胶特性,以及槲皮素运载性能的影响。通过乳液凝胶分子间作用力和质构特性的分析,确定超声波改性的最佳条件为:超声波功率400 W,温度55 ℃,时间30 min。结果表明,超声波改性导致乳液的平均粒径与表观黏度下降、ζ-电位绝对值与界面蛋白含量上升。乳液凝胶的最终存储模量(G
卫星星历是否准确直接影响了用户能否获得精确的定位服务。当前北斗系统中星上对于导航星历完好性的保障仅限于对下发的星历与地面站上传的星历是否一致进行了校验,而对于地面站上传的星历本身是否准确却没有进行探究。本文结合北斗卫星的历史星历,提出了两种卫星导航电文自主完好性监测的方法。具体工作内容如下:(1)针对卫星导航星历自主完好性监测的场景,对广播星历进行了进一步研究:一是研究了广播星历计算时刻在参考时刻
新元古代大塘坡期,贵州松桃等地形成锰矿集聚区,并发育4个世界级锰矿床,累计探明锰资源量达7亿t。但是什么地质条件下,能导致如此巨量的锰质富集成矿,其成矿物质来源问题一直没有得到满意的解释。本文通过对含锰岩系大塘坡组基底板溪群及海底火山岩含锰性、江南造山带演化以及Rodinia超大陆解体与锰矿成矿关系分析,认为基底板溪群中锰含量高,MnO含量达到0.16%,板溪群风化壳中锰含量更高,MnO达0.88
地图以形象化的图形语言表达抽象时空数据中蕴含的空间分布特征与规律,是人们认识世界的重要认知工具。随着制图技术和可视化载体的发展,地图的制图形式愈加丰富,信息表达与交互能力也不断提高。尤其是2016年随着虚拟现实(VR)、增强现实(AR)、混合现实(MR)等的新一波发展浪潮兴起,以Holo Lens、Magic leap、苹果、华为等为代表的商用AR设备成熟,使AR成为地图制图和空间数据可视化的新的