雷达学报

作者：李宁, 牛世林

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, 水域分割, 卷积神经网络, 超分辨率重建

基金：国家自然科学基金(U1604145, 61871175, 61601437)，河南省高等学校重点科研项目(18B520010, 19A420005)，河南省科技攻关计划项目(182102210233, 192102210082)，河南省青年人才托举工程(2019HYTP006)，河南大学研究生教育创新与质量提升计划项目(SYL18060127)

合成孔径雷达(SAR)图像水域分割在水资源调查、灾害监测等领域具有重要意义。针对中低分辨率星载SAR图像水域提取精度不足的难题，该文融合基于轻量级残差卷积神经网络(CNN)的图像超分辨率重建技术和传统SAR图像水域分割技术的优点，提出了一种基于局部超分辨重建的SAR图像水域分割方法，显著提升了SAR图像水域分割的精度。为了验证上述方法的有效性，该文以南水北调中线工程水源地丹江口水库为应用对象，基于国产高分三号(GF-3)卫星的8 m分辨率标准条带(SS)模式图像和欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)模式图像，开展了水域分割的实验验证和精度评估工作。实验结果表明，该文所提方法可在中低分辨率SAR图像中获取更精确的水域分割结果，其水域分割性能较传统方法有大幅提升。

来源：2020年第1期

《雷达学报》期刊编辑部

查看雷达学报杂志2020年第1期