基于可变形卷积视觉模型的极化SAR数据洪水检测方法研究
张春芳1
刘鹏2
王瑞丽3
潘登4
孟文民1
于海洋3
1.河南省焦作水文水资源测报分中心,河南焦作 4540032.河南省国土空间调查规划院,郑州 4500533.河南理工大学自然资源部矿山时空信息与生态修复重点实验室,河南焦作 4540034.河南省自然资源监测和国土整治院,郑州 450016
摘要：[目的]针对现有SAR影像洪水检测模型精度不足及专用数据集匮乏的问题,构建基于极化SAR数据的洪水范围检测数据集,并提出一种融合可变形卷积(Deformable Convolutional Network v3,DCNv3)与视觉变压器(Vision Transformer,ViT)的新型深度学习网络模型FWSARNet,以提升SAR影像洪水范围检测的精度和鲁棒性.[方法]首先利用Sentinel-1卫星的极化SAR影像构建了洪水范围检测数据集,并进行了数据增强处理.其次,设计了一种融合可变形卷积(DCNv3)和视觉变压器(ViT)的高效特征提取模块.基于此模块,构建了名为FWSARNet的深度学习网络模型,用于SAR影像的洪水范围检测,并通过所建数据集对模型进行训练与验证.[结果]所提出的FWSARNet模型对复杂地表具有较强的适应性.与其他深度学习网络模型相比,FWSARNet模型在水体边缘、小面积水体及细长线状水体的识别上表现更优,精度更高.在自建的Henan720和Hebei727洪水范围检测数据集上,该模型的平均交并比(mIoU)分别达到了 88.53％和92.50％.[结论]构建的模型洪水范围提取精度能够满足应急救灾需求,适用于极化SAR数据处理.
关键词：洪水范围检测极化SAR可变形卷积视觉变压器
分类号：P331.1(水文科学（水界物理学）)
资助基金：国家自然科学基金(U1304402)国家自然科学基金(41977284)河南省水利科技攻关项目(GG202412)河南省自然资源科研项目(2019-379-16)
论文发表日期：2025-09-30
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 133-142 )
英文信息