基于生成对抗网络的遥感影像海洋养殖浮筏提取.pdfVIP

摘要

摘要

中国拥有丰富的海洋资源和广阔的养殖空间，海洋养殖业作为中国海洋经济的重

要组成部分，在保障国家粮食安全、促进沿海地区经济发展等方面发挥着重要作用。

随着海洋养殖业的快速发展，为海洋环境的保护带来了极大的挑战，不合理的养殖规

划和管理严重破坏了海洋生态环境。浮筏养殖作为主要养殖方式之一，对其进行大范

围、高频次的监测是非常必要的。合成孔径雷达（SyntheticApertureRadar，SAR）作

为一种主动遥感技术，具有全天时、不受光照条件影响的优势，已成为监测海洋养殖

浮筏的重要工具。传统遥感影像处理方法在复杂海况条件下准确识别养殖浮筏存在严

重局限性，特别是在SAR图像中，相干斑噪声和海浪干扰导致浮筏特征表达不稳定，

边界模糊。基于生成对抗网络模型，针对复杂海况环境下遥感影像养殖浮筏提取难题，

系统探索了适应性强、抗噪性能好的深度学习方法。具体研究工作如下：

（1）针对SAR影像中噪声干扰与复杂背景导致的浮筏边界模糊问题，设计了细

节增强的生成对抗网络DEGAN。该模型引入f散度作为对抗损失改善梯度流动，集

成CBAM注意力机制增强对关键区域的精细聚焦，采用多尺度特征融合策略捕获不

同尺度目标特征，并通过SimAM模块强化局部细节特征提取能力。实验结果表明，

DEGAN在多项指标上优于其他方法，有效解决了浮筏边界细节提取问题。

（2）为解决不同海况条件下SAR影像噪声干扰程度不一、浮筏特征表达不稳定

的问题，构建了抑制噪声的生成对抗网络NRGAN。该模型包含一个图像生成器和两

个回归器，并设计了三个特征自适应模块，其中空间特征自适应模块聚合空间信息并

生成空间注意力图，上下文特征自适应模块整合上下文信息以改善特征学习，像素级

特征自适应模块精细调整图像区域的贡献，增强分割的整体连贯性。同时，模型引入

TotalVariation散度优化训练过程，提高模型在高噪声环境下的表现。实验结果表明，

NRGAN模型在不同海况的总体提取精度上均优于其他方法，有效提升了浮筏提取的

鲁棒性。

关键词：海洋养殖浮筏；遥感SAR影像；生成对抗网络；目标提取；图像分割

I

Abstract

Chinahasrichmarineresourcesandvastspaceforaquaculture,and

marineaquaculture,asanimportantpartofChinasmarineeconomy,plays

animportantroleinguaranteeingnationalfoodsecurityandpromotingthe

economicdevelopmentofcoastalareas.Withtherapiddevelopmentofmarine

aquaculture,ithasbroughtgreatchallengestotheprotectionofthe

marineenvironment,andunreasonableaquacultureplanningandmanagement

haveseriouslydamagedthemarineecologicalenvironment.Asoneofthe

mainraftaquaculture,itisnecessarytomonitortheaquacultureraftson

alargescaleandwithhighfrequency.SyntheticApertureRadar(SAR),as

anactiveremotesensingtechnologywiththeadvantageofbeingavailable

alldayandnotaffectedbylightconditions,hasb