《雷达学报杂志》发表论文赏析

深度学习在SAR目标识别与地物分类中的应用

来源:雷达学报杂志2017年第2期北京时间:

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:

基于三维电磁散射参数化模型的SAR目标识别方法

深度学习在SAR目标识别与地物分类中的应用

基于栈式降噪稀疏自动编码器的雷达目标识别方法

属性散射中心匹配及其在SAR目标识别中的应用

基于栈式自编码器特征融合的SAR图像车辆目标识别

基于无训练单样本有效特征的SAR目标检测

一种基于似然比统计量的SAR相干变化检测

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

一种改进的变化检测方法及其在洪水监测中的应用

高分辨率星载SAR起伏运动目标精细聚焦与参数估计方法

极化串扰对基于Cloude分解的地物散射机制特征量影响分析

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!