《雷达学报杂志》发表论文赏析

基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法

来源:雷达学报杂志2020年第3期北京时间:

作者:秦先祥, 余旺盛, 王鹏, 陈天平, 邹焕新

单位:1.空军工程大学信息与导航学院 西安 710077;2.国防科技大学电子科学学院 长沙 410073;

摘要:针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。

关键词:极化SAR, 弱监督分类, 复值卷积神经网络, 样本精选

基金资助:国家自然科学基金(41601436, 61403414, 61703423),陕西省自然科学基础研究计划(2018JM4029)

2020年3期其他文献查阅:

全息合成孔径雷达的概念、体制和方法

城市目标动态监测中的时序InSAR分析方法及应用

星载合成孔径雷达遥感海洋风场波浪场

雷达遥感农业应用综述

SAR图像目标识别的可解释性问题探讨

面向舰船目标检测的单通道复值SAR图像统计建模方法研究

SAR图像飞机目标检测识别进展

基于地基雷达图像的无监督变化检测

基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法

基于光学和SAR遥感图像融合的洪灾区域检测方法

高山峡谷区滑坡灾害隐患InSAR早期识别——以雅砻江中段为例

基于ALOS-2 PALSAR-2多基线极化干涉SAR数据反演森林高度

建筑物Ku波段极化SAR成像仿真及损毁评估特征分析

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!