测绘科学

2019, v.44;No.248(02) 6-11

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

深度神经网络的高分三号全极化SAR图像分类方法
Classification method of GF-3 polarimetric SAR image using deep neural network

张佳琪;张继贤;赵争;

摘要(Abstract):

针对传统极化SAR地物分类方法和基于像素的神经网络分类方法容易受到SAR图像固有斑点噪声影响而出现的破碎孤立点和精度下降问题,该文在考虑了极化SAR图像的基本特征的基础上结合深度卷积神经网络的方法对地表覆盖类型进行了分类研究,利用不同尺度的全极化SAR特征融合RGB图像对GoogLeNet模型进行迭代训练,结合对实验区的多尺度分割结果,对SAR图像做不同尺度下的样本分类,并最终获得整体图像的分类结果。实验证明,此方法能够获得较高的分类精度。

关键词(KeyWords): SAR分类;深度学习;GoogLeNet;高分三号;多尺度分割

Abstract:

Keywords:

基金项目(Foundation): 四川测绘地理信息局科技支撑项目(2018Q1809);; MINISAR数据处理关键技术研究与软件开发项目(G170303);; 中国科学院机载干涉SAR高精度测绘创新交叉团队项目(Q1634)

作者(Author): 张佳琪;张继贤;赵争;

Email:

DOI: 10.16251/j.cnki.1009-2307.2019.02.002

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享