基于噪声抑制和自适应阈值的漂浮藻类微波遥感识别方法

本申请提出了一种基于噪声抑制和自适应阈值的漂浮藻类微波遥感识别方法，属于微波遥感与图像处理技术领域。构建出考虑噪声抑制和自适应阈值的海上漂浮藻类微波遥感识别深度学习模型，引入噪声抑制模块，并设计基于F1值的自适应阈值分割模块，从而实现了从原始图像中捕获多尺度边缘信息的同时能够有效地抑制噪声的干扰，以增强CNN在合成孔径雷达SAR影像学习当中对噪声的抑制作用、并显著减少固定分割阈值导致的precision和recall不平衡的问题，以期提高深度学习模型在Sar遥感微波影像方面针对漂浮藻类的提取能力。包括以下步骤：步骤（1）、数据准备；步骤（2）、预处理流程；步骤（3）、构建NsatAglaeNet识别网络模型；步骤（4）、基于NsatAglaeNet识别网络模型的性能评估。