典型文献
基于监督对比学习正则化的高分辨率SAR图像建筑物提取方法
文献摘要：
近年来,高分辨合成孔径雷达(SAR)图像的智能解译技术在城市规划、变化监测等方面得到了广泛应用.不同于光学图像,SAR图像的获取方式、图像中目标的几何结构等因素制约了现有深度学习方法对SAR图像地物目标的解译效果.该文针对高分辨SAR图像城市区域建筑物提取,提出了基于监督对比学习的正则化方法,其主要思想是增强同一类别像素在特征空间中的相似性以及不同类别像素之间的差异性,使得深度学习模型能更加关注SAR图像中建筑物与非建筑物区域在特征空间中的区别,从而提升建筑物识别精度.利用公开的大场景SpaceNet6数据集,通过对比实验,提出的正则化方法,其建筑物提取精度相比于常用的分割方法在不同网络结构下至少提升1％,分割结果证明了该文方法在实际数据上的有效性,可以对复杂场景下的城市建筑物区域进行有效分割.此外,该方法也可以拓展应用于其他SAR图像像素级别的地物分割任务中.
文献关键词：
合成孔径雷达;SAR建筑物提取;深度学习;语义分割;对比学习
中图分类号：
作者姓名：
康健;王智睿;祝若鑫;孙显
作者机构：
苏州大学电子信息学院 苏州 215006;中国科学院空天信息创新研究院 北京 100190;中国科学院网络信息体系技术科技创新重点实验室 100190;西安测绘研究所地理信息工程国家重点实验室 西安 710054;中国科学院大学电子电气与通信工程学院 北京 100190
文献出处：
引用格式：
[1]康健;王智睿;祝若鑫;孙显-.基于监督对比学习正则化的高分辨率SAR图像建筑物提取方法)[J].雷达学报,2022(01):157-167
A类：
SpaceNet6
B类：
对比学习,SAR,建筑物提取,合成孔径雷达,智能解译,城市规划,变化监测,光学图像,几何结构,有深度,深度学习方法,城市区域,正则化方法,特征空间,深度学习模型,建筑物识别,识别精度,大场景,分割方法,下至,少提,实际数据,复杂场景,城市建筑物,拓展应用,像素级,地物分割,语义分割
AB值：
0.294702
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。
