《雷达学报杂志》发表论文赏析
作者:徐丰, 王海鹏, 金亚秋
单位:复旦大学电磁波信息科学教育部重点实验室 上海 200433;
摘要:深度卷积网络等深度学习算法变革了计算机视觉领域,在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征,再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上,10类目标平均分类精度达到了99%。针对带相位的极化SAR图像,该文提出了复数深度卷积网络,将该算法应用于全极化SAR图像地物分类,Flevoland 15类地物平均分类精度达到了95%。
关键词:合成孔径雷达, 深度学习, 自动目标识别, 地物分类
基金资助:国家自然科学基金(61571132, 61571134, 61331020),上海航天科技创新基金
2017年2期其他文献查阅: