在SAR图像中监测海洋石油泄漏的多维基于注意力的MOSSM模型 遥感
Junwei Liao1, Zhenpei Li2, Xiangwei Tang1
1Southwest Petroleum University, Chengdu, 610500, Sichuan, China.
Environmental monitoring and assessment
|October 15, 2025
概括
本研究介绍了海洋石油泄漏细分模型 (MOSSM),用于使用合成孔径雷达 (SAR) 图像进行精确的石油泄漏检测. MOSSM提高了细分精度,这对于应对海上灾害至关重要.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 海洋石油泄漏对生态系统构成重大威胁,需要快速准确地对泄漏地区进行细分,以有效应对紧急情况.
- 合成孔径雷达 (SAR) 是石油泄漏监测的关键数据来源,因为它具有全天候,昼夜的功能.
- SAR图像遭受斑点噪声和复杂的背景,阻碍了传统的细分方法.
研究的目的:
- 提出一个增强的DeepLabV3+模型,称为海洋石油泄漏细分模型 (MOSSM),用于改善SAR图像中的石油泄漏细分.
- 为了解决处理SAR图像噪声和复杂背景的现有方法的局限性.
主要方法:
- MOSSM将Squeeze-and-Excitation (SE) 通道注意力机制集成到ResNet50瓶结构中,以改善特征提取.
- 一个具有空间,通道和像素注意力的高低特征融合模块 (HLFusion) 旨在优化特征融合和保存细节.
- 该模型在SOS漏油数据集上进行了评估,该数据集包括8070张SAR图像.
主要成果:
- 在SOS数据集上,MOSSM比U-Net,FCN,SegNet和原始的DeepLabV3+取得了更高的性能.
- 对于MOSSM的关键性能指标包括74.47%的IoU交叉点,91.74%的像素精度和85.91%的回忆.
- 该模型在细分复杂的漏油边界和分散的油渣时表现出特别高的效率.
结论:
- 拟议的MOSSM提供了一种更精确,更强大的方法,用于在SAR图像中对漏油细分.
- 这一进步对海洋环境灾害预警和紧急决策系统具有重要价值.
