SRCNet：面向海洋溢油分割的 seminal 表征协同网络

合成孔径雷达（SAR）图像中有效的溢油分割对于海洋石油污染清理至关重要，而恰当的图像表征有助于准确的图像分割。本文中，我们提出一种有效的溢油图像分割网络 SRCNet，通过同时利用 SAR 图像表征与溢油分割训练来实现。具体而言，我们提出的分割网络由一对深度神经网络在描述 SAR 图像的 seminal 表征协同下构建，其中一个深度神经网络为生成网络，力求生成溢油分割图，另一个为判别网络，尽力区分生成的与真实的分割结果，从而构成一个二人博弈。特别地，我们所提 SRCNet 中利用的 seminal 表征源自 SAR 影像，以 SAR 图像的内在特征建模。因此，在训练过程中，协同的 seminal 表征使映射的生成网络能以少量训练数据高效生成准确的溢油分割图，并促使判别网络快速达到其最优解。故而，我们提出的 SRCNet 以经济高效的方式实现有效的溢油分割。此外，为提升所提分割网络在精确勾绘 SAR 图像中溢油细节方面的分割能力，设计了一个对分割损失施加惩罚的正则化项。这促使我们提出的 SRCNet 能从 SAR 图像中精确分割溢油区域。来自不同指标的实证实验评估验证了我们提出的 SRCNet 用于溢油图像分割的有效性。