徐欢，任沂斌

(1.江苏海洋大学 海洋技术与测绘学院，江苏 连云港 222005；2.中国科学院海洋研究所 海洋环流与波动重点实验室，山东 青岛 266071；3.中国科学院海洋大科学研究中心，山东 青岛 266071)

1 引言

海冰作为5大海洋灾害之一，对全球的水文、洋流、热力循环和生态系统都有重大影响[1−2]。渤海每年都有3个多月不同程度的结冰现象，对我国社会生产活动造成严重影响。渤海海冰不仅堵塞航道、损坏船只，还破坏海上及海岸设施，其融化甚至给海洋养殖带来次生灾害。2009/2010年冬季至2018/2019年冬季，我国受海冰灾害影响经济损失高达75亿元，其中辽宁和山东两省受灾情况较为严重[3]。合成孔径雷达（Synthetic Aperture Radar,SAR）具有不受气象条件限制、全天时、全天候的观测能力，被广泛用于海冰的检测和监测[4–6]。因此，研究基于SAR图像的渤海海冰检测对海冰监测、海冰灾后应急、海洋运输、海洋渔业具有重要意义。

多年来，学者们围绕海冰检测提出了一系列方法，总体可分为两类：传统方法和深度学习方法。传统方法包括阈值法[7]、纹理分析[8–10]、专家知识系统[11]、马尔科夫随机场[12]、支持向量机[13–16]、人工神经网络[17]等。大数据时代的到来，传统方法受限于手动特征提取和建模方式，制约了海冰检测精度的进一步提升[18]。近年来，深度学习迅猛发展[19]。典型的深度学习模型由多层神经网络堆叠而成，可以模拟人类的神经系统，从原始输入数据中逐层抽象特征，实现对目标的检测和识别[20]。深度卷积神经网络（Convolutional Neural Network,CNN）由多个卷积层组成，是一种特殊的深度神经网络。……