计算机工程

作者：曹维东, 解翠, 韩冰, 董军宇

单位：中国海洋大学 信息科学与工程学院, 山东 青岛 266000

关键词：海洋锋识别,自适应梯度阈值法,锋面识别精度,图像实例分割,深度学习

基金：国家自然科学基金青年基金"海洋锋精细化识别与时空演化的多角度可视化探索"（41706010）；国家自然科学基金"基于深度学习与复杂网络的海洋锋时空特征分析及识别"（41576011）。

传统的海洋锋识别方法依赖于梯度阈值，其将梯度值大于设定阈值的海域视为存在海洋锋，但梯度阈值法存在阈值依赖人为设定且标准不统一，以及复杂多样的海洋锋无法用单一阈值进行准确识别的问题。为此，提出一种融合深度学习的自适应梯度阈值判别方法。对海温梯度图进行标注，通过Mask R-CNN训练得到海洋锋像素级识别模型，统计每一类锋特有的梯度值分布作为该类锋的基准梯度阈值，并基于该阈值对像素级的锋面识别结果做精细化调整，对锋面识别结果精度进行量化，以提高自适应锋面调整过程的可靠性。实验结果表明，与传统梯度阈值法及单一的深度学习结果相比，该方法可以实现精细的海洋锋识别，且具有良好的独立性和完整性。

来源：2020年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第10期