测绘科学

2020, v.45;No.264(06) 110-117

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

Deeplab网络的极化合成孔径雷达图像分类
PolSAR image classification based on Deeplab network

王云艳;罗冷坤;王重阳;

摘要(Abstract):

针对传统极化合成孔径雷达图像分类中特征提取不完整、特征表征性不够强、分类中干扰杂质较多等问题,该文提出了一种基于Deeplab模型的极化合成孔径雷达图像地物分类方法。实验通过在荷兰地区数据上对田野、植被、建筑区、水域、山体5类进行分类,然后在欧洲其他区域进行了算法评价。与传统的结合条件随机场的FCN-8s特征分类模型相比,该文方法能够提取更高效的底层特征,得到更高的分类精度、Kappa系数和总体精度。该方法不仅能在山体上提高10%左右的分类精度,而且能在这5类以外的类别掺杂情况,保证模型良好的鲁棒性。

关键词(KeyWords): 极化合成孔径雷达;Deeplab网络;空洞卷积;多孔空间金字塔

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41601394);; 湖北工业大学博士启动基金项目(BSQD2016010)

作者(Author): 王云艳;罗冷坤;王重阳;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.06.016

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