来源：期刊VIP网 时间：
作者：刘艺博;葛小三;
单位：河南理工大学测绘与国土信息工程学院;
摘要：快速、准确地划分洪水淹没范围对于防洪救灾工作至关重要。由于合成孔径雷达(SAR)中噪声的存在，当前的方法在洪水淹没范围提取方面表现出有限的准确性，存在提取结果粘连、边界提取粗糙、细长型洪涝淹没区域无法准确提取等问题。针对这些问题，文章提出了一种新的深度学习洪水淹没范围提取网络——Siam-FRNet。编码器部分以孪生网络为基础，设计了一种跨时相特征交互模块，对洪灾前后的SAR影像进行多尺度的特征提取，促进双时相特征耦合，抑制无关信息干扰。解码器部分构建了并行光谱轴向自注意模块，独立地从行和列两个维度获取图像对之间的依赖关系，更好地获取全局信息；最后引入了变化感知模块，有效地提取影像前后洪水变化特征。实验结果表明，所提出方法在S1GFloods数据集上提取结果达到最优，准确率、F1分数和mIoU分别达到了97.19%、95.47%、93.67%,优化了边缘细节，增强了细长型洪涝淹没区域提取结果的联通性。
关键词：遥感影像;;洪水淹没范围;;变化检测;;深度学习;;SAR
基金资助：河南省自然科学基金(222300420450);; 国家自然科学基金(41572341)
