查看更多>>摘要:海冰是全球气候变化的指示剂,北极海冰的变化关系到全球变暖、海平面上升等.针对传统语义分割模型对海冰进行提取时存在细节提取不精确、提取速度慢等问题,构建了一种改进DeepLab V3+的海冰提取方法.首先,将主干网络Xception替换为MobileNetV2,在保证海冰提取精度的同时大幅度降低模型参数量,节约时间;其次,将ASPP改进为DenseASPP,在进行海冰的多尺度特征提取时进一步扩大感受野,获得更为密集的特征;最后,引入坐标注意力机制,同时强化关注通道和空间上的特征,加强海冰边缘细节信息提取.选取北极格陵兰海为实验区,通过对该海域2020-2022年间冬季的10景Sentinel-1A双极化SAR影像进行处理、标注之后形成数据集进行实验,对比U-Net、PSPNet和DeepLabV3+等经典模型.结果表明:本文方法的mloU达到了 88.46%,mPA达到了 94.16%.相较于传统 DeepLabV3+,mIoU 提高了 2.35%,mPA 提高了 2.90%,参数量和 GFLOPs 分别减少了 45.08 M和106.01 G,同时训练模型时间和提取海冰时间分别减少了 68%和30%.对比U-Net、PSPNet等模型,同样取得了最优结果.与其他模型相比,本文新构建的模型对海冰特征的学习能力更强,能获取更多海冰细节信息,并大幅度节约用时,能够为研究全球变暖环境下的海冰退化监测问题提供技术支持.