基于主动轮廓和基础模型的近距离光学图像海冰 floe 分割
大气与海洋物理
2026-02-17 v5
摘要
边缘冰区（MIZ）中海冰碎屑的大小是影响冰床覆盖、反照率、波 propagation 以及海洋--大气能量交换的关键因素。碎屑大小可以通过处理来自船舶、飞机或卫星的视线图像来观测。然而，自动捕获碎屑边界仍然具有挑战，尤其是由于海冰的异质性，这会损害边界定义并降低图像清晰度。本研究评估了使用基于主动轮廓的梯度向量场（GVF）方法、基于深度学习的Segment Anything Model（SAM），以及结合 GVF 和 SAM 的混合方法对海冰碎屑分割准确性。方法在一小部分由装有相机的冰船在南极冬季远征期间收集的大型高分辨率影像数据集上进行评估。该子集涵盖 MIZ 中各种冰条件和图像清晰度，提供了严格的分割测试基准。以碎屑检测准确性、大小分布和冰蓋浓度为指标，对结果进行评估，并与手动分割的基准进行比较。结果表明，SAM 在提示驱动模式下在准确性和计算效率之间提供了最佳平衡。其在估计海冰浓度和检测碎屑方面的强大性能，同时与基准碎屑大小分布保持接近，使其适用于实时应用和大规模影像数据集的分析。与 SAM 相比，组合 SAM-GVF 方法提供了更精确的碎屑边界描绘，尽管计算成本更高，因而更适合需要精确碎屑形状的分析。
引用
@article{arxiv.2409.06641,
title = {Sea ice floe segmentation in close-range optical imagery using active contour and foundation models},
author = {Giulio Passerotti and Alberto Alberello and Marcello Vichi and Luke G. Bennetts and James Bailey and Alessandro Toffoli},
journal= {arXiv preprint arXiv:2409.06641},
year = {2026}
}