文章预览
摘要： 针对面向合成孔径雷达(SAR)影像的高精度水体提取工作仍然存在较大的挑战，该文基于TransUnet深度学习模型和COSMO-SkyMed卫星的高分辨率(3 m)数据，深度挖掘Transformer模型的全局上下文捕捉能力和U-Net模型多尺度特征提取优势，建立了小样本数据集下的SAR影像水体提取模型。实验结果表明该文算法在小面积水体提取、山体阴影误判抑制方面优势明显，其水体提取结果的准确率、召回率、总体准确率、F1分数、交并比分别为89.54%、91.24%、98.01%、90.26%和82.28%,相较于U-Net模型、FCN-VGG16模型和HRNet模型，精度具有较大提升；同时采用该文的水体提取模型反演了洞庭湖区2019年7月—2020年6月的7景SAR影像的洲滩空间分布变化情况，阐明了其随季节性水位变化的年周期变化规律。 引用： [1]徐康，朱茂，贺秋华，等.一种基于TransUNet的SAR影像水体提取及洲滩面积变
………………………………
