• 海洋所利用深度學習技術提高滸苔邊緣的提取精度

      近日,中科院海洋所李曉峰研究團隊基于哨兵一號衛星圖像建立了人工智能模型,提高了滸苔提取的精度,并使用該模型提取了2019-2021年黃海綠潮的時間序列,發現2019年綠潮覆蓋面積更大,爆發時間更長,而2021年綠潮對山東半島南岸的影響更大。相關成果近日發表于地球科學和遙感領域Top期刊IEEE Transactions on Geoscience and Remote Sensing (影響因子8.125)。 

      黃海綠潮自2007年爆發以來持續吸引相關研究者的關注。隨著深度學習技術的發展,基于衛星影像的滸苔提取方法逐漸從閾值分割向語義分割過渡。不同于以往僅依賴于后向散射信息的數據驅動方式,李曉峰研究團隊綜合考慮滸苔的成像特點,使用衛星影像的后向散射及紋理特征,基于代表性語義分割模型U-Net構建了滸苔提取模型GA-Net (1)。實驗結果表明,該模型能有效提取不同場景下的滸苔信息,提高了滸苔邊緣的提取精度 (2)。 

    圖1. 深度學習滸苔提取模型結構圖

    圖2. 模型在不同場景下的滸苔提取能力。圖(a)橙色/綠色/黃色框為近岸/低滸苔聚集度/高滸苔聚集度區域,對應圖(b-f)/(g-k)/(l-p)

      論文作者為中科院海洋所環流室碩士研究生郭媛(第一作者)、李曉峰研究員(通訊作者)、高樂副研究員,研究得到了基金委重大項目、中國科學院戰略性先導科技專項等項目的聯合資助。 

      論文信息: 

      Yuan Guo, Le Gao, Xiaofeng Li*, A deep learning model for green algae detection on SAR images, IEEE Transactions on Geoscience and Remote Sensing, 2022, doi: 10.1109/TGRS.2022.3215895. 

      https://ieeexplore.ieee.org/document/9924230 


    附件下載:

    免费高清毛片手机在线播放视频_免费无遮挡色视频网站_免费无码看AV的网站_第1页