《雷达学报杂志》发表论文赏析

一种基于CNN的SAR图像变化检测方法

来源:雷达学报杂志2017年第5期北京时间:

作者:徐真, 王宇, 李宁, 张衡, 张磊

单位:1.中国科学院电子学研究所   北京   100190;2.中国科学院大学   北京   100049;

摘要:该文提出了一种基于卷积神经网络(CNN)及有效图像预处理的合成孔径雷达(SAR)图像变化检测方法。为了验证方法的有效性,以2011年日本仙台地区地震导致的城区变化为例进行了研究。在预处理中分别利用DEM模型以及Otsu方法对SAR图像中的山体和水体进行了提取和去除。利用多层卷积神经网络从SAR图像中自动学习目标特征,再利用学习到的特征对图像进行分类。训练集和测试集的分类精度分别达到了98.25%和97.86%。利用图像差值法得到分类后的SAR图像变化检测结果,并验证了该方法的准确性和有效性。另外,文中给出了基于CNN的变化检测方法和传统方法的对比结果。结果表明,相对于传统方法,基于CNN的变化检测方法具有更高的检测精度。

关键词:SAR图像, 变化检测, 卷积神经网络

基金资助:国家重点研发计划(2017YFB0502700),中科院国防科技创新基金面上项目

2017年5期其他文献查阅:

基于黎曼流形的极化SAR图像分类

极化SAR目标散射旋转域解译理论与应用

高分三号SAR影像在国家海域使用动态监测中的应用

高分三号NSC模式SAR图像舰船目标检测初探

一种基于CNN的SAR图像变化检测方法

基于多特征-多表示融合的SAR图像目标识别

基于深度形状先验的高分辨率SAR飞机目标重建

基于概率转移卷积神经网络的含噪标记SAR图像分类

结合旋转域极化特征的极化SAR地物分类

基于混合Wishart模型的极化SAR图像非监督分类

基于组合条件随机场的极化SAR图像监督地物分类

一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法

一种用于极化SAR图像的快速超像素分割算法

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!