基于改进编解码网络的极化SAR地物分类

来源：雷达科学与技术杂志2021年第4期北京时间：

作者：闫成杰，王沛，刘秀清

单位：1.中国科学院空天信息创新研究院，北京100190;2.中国科学院大学，北京100049

摘要：基于实数域的卷积神经网络（CNN）模型无法充分利用极化合成孔径雷达（PolSAR）图像丰富的相位信息,并且逐像素切片预测存在大量冗余计算，导致分类效率低下。针对以上问题，本文提出一种改进编解码网络模型。首先构建复数域CNN模型，并进行低采样率下的模型训练；然后构建复数域双通道编解码网络模型，引入改进空洞空间金字塔池化（IASPP）以解决多尺度地物预测问题，引入辅助通道以解决分类边缘粗糙问题；最后训练编解码网络模型，将训练好的复数域CNN模型参数传递给该模型以加速模型收敛。在基于AIRSAR平台的16类地物数据上进行实验验证，结果表明改进编解码网络相较于CNN模型具有更高的分类精度和更快的分类速度。

关键词：极化合成孔径雷达,地物分类,卷积神经网络,编解码网络,

基金资助：国家自然科学基金(No.61901442)