【最新成果】基于密集深度卷积神经网络的SAR图像水域分割

近年来，合成孔径雷达（SAR）被广泛地应用于农业、水洋、军事等领域。而研究SAR图像中的水域信息对洪涝灾害的预警监测、水域管理等具有重要意义。特别是，利用水域分割实现宽幅SAR图像中准确的陆地剔除，可以明显降低舰船目标检测虚警率，从而大幅提升检测性能。

传统SAR图像水域分割算法受相干斑噪声和图像能量变化影响严重，且算法中的参数调整需要过多人工参与，难以实现复杂环境和多种干扰条件下准确的水域分割。因此，如何利用深度技术实现快速、准确地SAR图像水域分割已成为近年的研究热点和难点。

针对该问题，西安电子科技大学邢孟道教授团队提出了基于密集深度分离卷积的SAR图像水域分割网络架构。相比传统算法，不仅在分割准确度上有大幅提高，在算法的鲁棒性和分割速度上也具有优势。

该工作已发表在《雷达学报》2019年第3期“雷达海上目标探测”专题“一种基于密集深度分离卷积的SAR图像水域分割算法”（张金松，邢孟道，孙光才）。

图1 基于编码-解码结构的SAR图像水域分割网络示意图

该文首先建立了基于高分三号的SAR图像水域分割数据集，并提出了基于密集深度分离卷积的分割网络架构（图1），该网络以SAR图像作为输入，通过密集分离卷积和扩张卷积提取图像高维特征，并构造基于双线性插值的上采样解码模块用于输出分割结果。在水域分割数据集上的实验结果表明，与传统方法相比，该方法不仅在分割准确度上有大幅提高（图2），在算法的鲁棒性和分割速度上也具有部分优势，具备较好的工程实用价值。

图2 不同方法水域分割结果

了解详细内容请点击下面阅读原文。