基于语义分割模型和条件随机场的SAR图像机场跑道提取方法

在合成孔径雷达(SAR)图像敏感目标检测与识别领域中,机场跑道是重要的军事民用目标,在SAR飞机目标检测和机场关键信息提取等任务上具有重要意义.传统机场道路掩膜提取算法容易导致分割性能差、鲁棒性低,往往需要大量精心设计的鉴别后处理模块.针对图像分割任务,以卷积神经网络为基础的语义分割模型具备较好的实用价值,广泛用于光学自然图像分割领域,但是针对大区域SAR机场跑道提取任务,经典网络模型难以在保持图像特征感受野和保持图像细节上取得较好权衡.文中以DeepLabV3网络作为编码器,设计了基于上采样卷积模块和多低维特征融合的解码器用于输出预测概率图,然后添加了基于条件随机场的优化模块,进一步提升了分割结果的准确性.基于高分三号的实验表明,所提方法在分割性能指标上取得了最优的结果,并且能够有效保留机场边缘和图像细节.