雷达学报

作者：李宁, 郭志顺, 毋琳, 赵建辉

单位：1.河南大学计算机与信息工程学院 开封 475004；2.河南省智能技术与应用工程技术研究中心 开封 475004；3.河南省大数据分析与处理重点实验室 开封 475004；

关键词：合成孔径雷达(SAR), Refined-Lee Kernel, 精致Lee滤波, 神经网络, 河道提取

基金：河南省重大公益项目(201300311300)，河南省科技攻关计划项目(212102210101, 212102210093)，国家自然科学基金(61871175)

高精度提取合成孔径雷达(SAR)图像中的河流边界，对河流水势监测具有重要意义。以检测郑州7·20暴雨后黄河的健康状况为实施例，该文融合精致Lee滤波思想与卷积操作的滤波特性，提出了基于河道几何特性的优化内部权值卷积核Refined-Lee Kernel，进而提出了一种新型河道提取深度神经网络模型，即River-Net。为验证所提模型的有效性，该文获取了郑州7·20暴雨前后两景欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)影像数据，利用暴雨前的影像对模型进行训练，用于提取暴雨后的黄河河道，分析黄河在暴雨后的涨势情况。实验结果表明，相比主流语义分割模型，所提模型能够更精确地在SAR图像中提取河道，对洪水灾害的检测与评估有重要应用价值。

来源：2022年第3期

《雷达学报》期刊编辑部

查看雷达学报杂志2022年第3期