典型文献
基于深度学习的Sentinel-1 SAR影像洪水分割研究
文献摘要：
精确、自动化的洪水信息提取对于洪涝灾害应急救援等工作至关重要.针对传统水体阈值法自动化程度和精度较低的问题,提出了一种全自动的高精度洪水分割方法.首先从Sentinel-1雷达影像中提取有益于突出水体信息的特征因子,并与原始雷达数据进行融合,然后分别构建U-Net网络和HRNet网络对Sen1Flood11标准数据进行训练并评估在测试集上的性能,最后将训练好的模型应用于真实洪水事件下的Sentinel-1影像.研究结果表明:HRNet在独立测试数据集下的提取精度为91％,在真实洪水事件中能够显示出较强的泛化能力和提供近实时的洪水测绘服务.
文献关键词：
Sentinel-1;洪水分割;深度学习模型
中图分类号：
作者姓名：
孙书腾;梁乃安;刘培;吴振豪;张霖
作者机构：
河南理工大学 测绘与国土信息工程学院,河南 焦作 454000;海南省海洋与渔业科学院,海南 海口 570000;海南热带海洋学院崖州湾创新研究院,海南 三亚 572000;海口万水测绘科技有限公司,海南 海口 570000
文献出处：
引用格式：
[1]孙书腾;梁乃安;刘培;吴振豪;张霖-.基于深度学习的Sentinel-1 SAR影像洪水分割研究)[J].现代测绘,2022(06):12-15
A类：
洪水分割,Sen1Flood11
B类：
Sentinel,SAR,信息提取,于洪,洪涝灾害,灾害应急,应急救援,阈值法,分割方法,雷达影像,有益于,水体信息,特征因子,雷达数据,HRNet,测试集,练好,模型应用,洪水事件,测试数据,泛化能力,近实时,测绘,深度学习模型
AB值：
0.369776
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
