《雷达学报杂志》发表论文赏析
作者:胡涛, 李卫华, 秦先祥, 王鹏, 余旺盛, 李军
单位:①.空军工程大学信息与导航学院 西安 710077;②.国防科技大学电子对抗学院 合肥 230037;
摘要:近年来,极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强。因此,该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法。利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征,再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类。实验结果表明,与3种利用传统经典特征的方法相比,该方法能够提取更有效的特征,取得了更高的总体分类精度和Kappa系数。
关键词:极化SAR, 地物分类, 条件随机场, 卷积神经网络
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)
2019年4期其他文献查阅:
基于Pinball损失函数支持向量机的极化SAR图像鲁棒分类
基于深度卷积神经网络和条件随机场模型的PolSAR图像地物分类方法