Resumen

El radar de apertura sintética (SAR) desempeña un papel insustituible en la vigilancia de los vertidos marinos de petróleo. Sin embargo, debido a la limitación de sus características de imagen, es difícil utilizar los métodos tradicionales de procesamiento de imágenes para extraer eficazmente la información sobre derrames de petróleo de las imágenes SAR con ruido de moteado coherente. En este trabajo se utiliza el modelo de red neuronal convolucional AlexNet para extraer la información de derrames de petróleo de imágenes SAR aprovechando sus características de conexión local, reparto de pesos y aprendizaje para la representación de imágenes. Las imágenes de teledetección existentes de los derrames de petróleo en los últimos años en China se utilizan para construir un conjunto de datos. Estas imágenes se mejoran mediante la traducción y el volteo del conjunto de datos, etc., y luego se envían a la red neuronal convolucional profunda establecida para su entrenamiento. El modelo de predicción se obtiene mediante métodos de optimización como Adam. Durante la predicción, la imagen predicha se corta en varios bloques, y la información de error se elimina mediante la expansión de la corrosión y el filtrado gaussiano después de empalmar la imagen de nuevo. Los experimentos basados en conjuntos de datos SAR de derrames de petróleo reales demuestran la eficacia del modelo AlexNet modificado en comparación con otros enfoques.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal convolucional, información sobre derrame de petróleo, imagen sar, derrame de petróleo real, ruido de moteado coherente, derrame de petróleo marino, radar de apertura sintética, derrame de petróleo sar, métodos de procesamiento de imágenes, modelo de red alexnet
• Keywords:convolutional neural network, oil spill information, sar image, actual oil spill, coherent speckle noise, marine oil spill, synthetic aperture radar, oil spill sar, image processing methods, network alexnet model