在SAR图像中检测石油泄漏使用改进的DeepLabV3图像
Jiahao Zhang1, Pengju Yang1,2, Xincheng Ren3
1School of Physics and Electronic Information, Yan'an University, Yan'an 716000, China.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
这项研究引入了一个改进的DeepLabV3+模型,用于使用合成光圈雷达 (SAR) 图像检测漏油. 改进后的模型有效地解决了过问题,并改善了捕获石油泄漏细节的方法,实现了高精度的检测.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 环境监测 环境监测
背景情况:
- 从合成孔径雷达 (SAR) 图像中检测漏油是具有挑战性的,因为噪音很大,对比度低,边界不规则.
- 现有的方法经常存在过度装配问题,并且无法捕捉到漏油地区的复杂细节.
研究的目的:
- 提出一个改进的DeepLabV3+模型,用于在SAR图像中增强漏油检测.
- 为了解决当前方法的局限性,特别是过度贴合和不足的特征细节捕捉.
主要方法:
- 用轻量级的MobileNetV2取代了Xception骨干,以改善概括性和减少参数.
- 整合了空间和通道挤压和激发模块 (scSE) 来增强特征灵敏度.
- 利用联合损失函数 (Bce + Dice) 来更好地关注详细的漏油地区.
主要成果:
- 与控制模型相比,改进的模型在漏油检测方面表现优越.
- 在墨西哥湾实现了80.26%的平均交叉与联盟 (mIOU) 和88.66%的F1得分.
- 在波斯湾达到81.34%的MIOU和89.62%的F1得分.
结论:
- 提议的改进的DeepLabV3+模型有效地减轻了过拟合,并增强了石油泄漏SAR图像中详细特征的捕获.
- 该模型显示了精确可靠的漏油监测的巨大潜力.
