典型文献
结合上下文编码与特征融合的SAR图像分割
文献摘要：
目的 图像分割的中心任务是寻找更强大的特征表示,而合成孔径雷达(synthetic aperture radar,SAR)图像中斑点噪声阻碍特征提取.为加强对SAR图像特征的提取以及对特征充分利用,提出一种改进的全卷积分割网络.方法 该网络遵循编码器—解码器结构,主要包括上下文编码模块和特征融合模块两部分.上下文编码模块(contextual encoder module,CEM)通过捕获局部上下文和通道上下文信息增强对图像的特征提取;特征融合模块(feature fusion module,FFM)提取高层特征中的全局上下文信息,将其嵌入低层特征,然后将增强的低层特征并入解码网络,提升特征图分辨率恢复的准确性.结果 在两幅真实SAR图像上,采用5种基于全卷积神经网络的分割算法作为对比,并对CEM与CEM-FFM分别进行实验.结果 显示,该网络分割结果的总体精度(overall accuracy,OA)、平均精度(average accuracy,AA)与Kappa系数比5种先进算法均有显著提升.其中,网络在OA上表现最好,CEM在两幅SAR图像上OA分别为91.082％ 和90.903％,较对比算法中性能最优者分别提高了0.948％ 和0.941％,证实了CEM的有效性.而CEM-FFM在CEM基础上又将结果分别提高了2.149％ 和2.390％,验证了FFM的有效性.结论 本文提出的分割网络较其他方法对图像具有更强大的特征提取能力,且能更好地将低层特征中的空间信息与高层特征中的语义信息融合为一体,使得网络对特征的表征能力更强、图像分割结果更准确.
文献关键词：
图像分割;全卷积神经网络(FCN);特征融合;上下文信息;合成孔径雷达(SAR)
中图分类号：
作者姓名：
范艺华;董张玉;杨学志
作者机构：
合肥工业大学计算机与信息学院,合肥 230031;工业安全与应急技术安徽省重点实验室,合肥 230031;智能互联系统安徽省实验室,合肥 230031;合肥工业大学软件学院,合肥 230031
文献出处：
引用格式：
[1]范艺华;董张玉;杨学志-.结合上下文编码与特征融合的SAR图像分割)[J].中国图象图形学报,2022(08):2527-2536
A类：
B类：
上下文编码,SAR,图像分割,中心任务,特征表示,合成孔径雷达,synthetic,aperture,radar,斑点噪声,声阻,图像特征,特征的提取,分割网络,编码器,解码器,特征融合模块,contextual,encoder,module,CEM,局部上下文,文和,信息增强,feature,fusion,FFM,全局上下文信息,低层,并入,特征图,两幅,全卷积神经网络,分割算法,总体精度,overall,accuracy,OA,average,AA,Kappa,对比算法,优者,其他方法,特征提取能力,空间信息,语义信息,信息融合,合为一体,表征能力,FCN
AB值：
0.351114
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。
