D2SFN:双分支可变空间-频率网络的多任务海冰分割

朱辉生; 杜苏苏; 石彦冰; 胡会金; 黄梦

江苏海洋大学学报（自然科学版） ›› 2026, Vol. 35 ›› Issue (2) : 14 -24.

朱辉生, 杜苏苏, 石彦冰, 胡会金, 黄梦

作者信息 +

Author information +

文章历史 +

摘要

海冰分割是利用合成孔径雷达（synthetic aperture radar,SAR）开展极地环境监测和北极航线安全评估的关键任务。现有深度学习方法大多直接迁移自自然图像分割模型，难以充分利用SAR后向散射成像机理及大尺度场景中的长距离上下文依赖。为此，研究提出一种双分支可变形空间-频率网络（dual-branch deformable spatio-frequency network,D2SFN）。该网络采用编码器-解码器结构，编码端由可变形空间-频率模块（deformable spatio-frequency,DSF）和密集块（dense block,Dens）组成，分别从SAR影像和环境参数中提取散射特征与空间密度特征；解码端引入空间上下文Transformer模块（spatial context transformer module,SCTM），通过全局自注意力实现双分支特征的自适应融合与噪声抑制。基于AI4Arctic海冰挑战数据集的实验结果表明，D2SFN在多任务海冰分割精度上优于当前先进方法，并在参数量和计算开销方面保持较高效率，可为极地海冰遥感智能解译提供新思路。