U-Net,多光谱,深度学习,SAR,遥感影像,语义分割多光谱图像的分割是遥感图像解译的重要基础环节,SAR遥感图像中包含着复杂的地物目标信息,传统的分割方法存在耗时长,效率低等问题,导致传统图像分割方法的应用受限.近年来,深度学习算法在计算机视觉方向的应用取得了较好的成果,针对多光谱遥感影像语义分割问题,使用深度学习的...
方法:设计了一种新的SAR-Unet网络结构,对经典U-net的三个方面进行了改进。首先,在U-Net编码区的每次卷积操作之后,引入注意力机制,使其自适应地提取影像特征,抑制无关区域,突出分割任务的相关特征;第二,将连接U-Net编码器与解码器的过渡层和解码器的输出层,替换...
洪水影响数据包括数字高程模型(DEM)、水文土壤组(HSG)、不透水率和降雨数据,这些数据为水文过程建模和洪水预测提供了基础。在卫星影像数据方面,研究采用了Sentinel-1的合成孔径雷达(SAR)数据。研究利用Otsu方法进行影像阈值化处理,通过像素强度分布生成二值影像,显示出洪水覆盖区域。洪水事件报告则通过官方渠道和社交媒体收...
主观测试指标为对应SDR/SIR/SAR的四个问题,在此不进行赘述。 数据集的大小对声源分离质量的影响需要进一步研究;对于人声音量低于平均的情况、未压缩、音频效果极端引用的或以其他方式非常规地混合这些情况Unet分离效果并不好,需要对此做进一步研究。 Demo:基于Mask的语音分离 假设有两段语音信号,一段是音乐信号,另一段...
(SAR)是成像扫描的重要的安全指标.膝关节局部SAR的主要计算方法是通过构建人体膝关节模型进行电磁仿真,因此希望通过低场磁共振图像构建出可用于电磁仿真的膝关节模型.在这一过程中,对图像进行更准确的分割可使构建出的膝关节模型更接近真实人体膝关节的组织分布.另一方面,为了得到更准确的局部SAR值,需要构建出更长的...
(1)实验选取了多景不同区域、不同季节的遥感影像作为数据集,包括高分辨率光学影像和合成孔径雷达(SAR)影像。在实验中,采用改进的U-Net卷积神经网络对水体信息进行了提取。实验结果表明,与传统的U-Net网络相比,改进后的模型在准确率、召回率和F1分数等指标上均有显著提升。具体来说,改进模型在准确率上提高了约5%,...
21 Jan 2025·Vidhu Arora,Shreyan Gupta,Ananthakrishna Kudupu,Aditya Priyadarshi,Aswathi Mundayatt,Jaya Sreevalsan-Nair· In this article, we improve the deep learning solution for coastline extraction from Synthetic Aperture Radar (SAR) images by proposing a two-stage model involving image classific...
However, a precise and detailed extraction of landslides from bare land requires proper auxiliary data like displacement information from SAR data or prior expert knowledge, which was not used in this study. Further factors that need to be carefully considered in the future are the imbalanced ...
基于U-Net网络结构的SAR图像去噪算法研究 合成孔径雷达能够全天时,全天侯产生高分辨率SAR图像.SAR图像中由于工作环境及成像机制会受到噪声影响,大多数去噪算法去除SAR图像噪声时会出现噪声去除不完全,图像信息... 季利鹏,孙志远,朱大奇 - 《微电子学与计算机》 被引量: 0发表: 2024年 基于U-Net深度神经网络的地震...
Thus, in this paper, we develop the Residual Wave Vision U-Net (WVResU-Net), a deep learning segmentation architecture that utilizes advanced Vision Multi-Layer Perceptrons (MLPs) and ResU-Net for accurate and reliable flood mapping using Sentinel-1 SAR’s dual polarization data. Results showed...