本文關鍵詞：深度置信網(wǎng)絡在極化SAR圖像分類中的應用

  更多相關文章： 極化雷達 深度置信網(wǎng)絡 圖像分類 深度學習 遙感 特征學習

【摘要】：目的深度置信網(wǎng)絡能夠從數(shù)據(jù)中自動學習、提取特征,在特征學習方面具有突出優(yōu)勢。極化SAR圖像分類中存在海量特征利用率低、特征選取主觀性強的問題。為了解決這一問題,提出一種基于深度置信網(wǎng)絡的極化SAR圖像分類方法。方法首先進行海量分類特征提取,獲得極化類、輻射類、空間類和子孔徑類四類特征構成的特征集;然后在特征集基礎上選取樣本并構建特征矢量,用以輸入到深度置信網(wǎng)絡模型之中;最后利用深度置信網(wǎng)絡的方法對海量分類特征進行逐層學習抽象,獲得有效的分類特征進行分類。結果采用AIRSAR數(shù)據(jù)進行實驗,分類結果精度達到91.06%。通過與經(jīng)典Wishart監(jiān)督分類、邏輯回歸分類方法對比,表現(xiàn)了深度置信網(wǎng)絡方法在特征學習方面的突出優(yōu)勢,驗證了方法的適用性。結論針對極化SAR圖像海量特征的選取與利用,提出了一種新的分類方法,為極化SAR圖像分類提供了一種新思路,為深度置信網(wǎng)絡獲得更廣泛地應用進行有益的探索和嘗試。
【作者單位】： 首都師范大學資源環(huán)境與旅游學院;
【關鍵詞】： 極化雷達 深度置信網(wǎng)絡 圖像分類 深度學習 遙感 特征學習
【基金】：國家自然科學基金項目(40801172) 北京市自然科學基金項目(4142011)~~
【分類號】：TN957.52
【正文快照】： 0 引言 極化合成孔徑雷達(PolS AR)是一種高分辨率成像系統(tǒng),具有全天時全天候、穿透云雨的能力,并且包含豐富的地物目標信息,是遙感領域發(fā)展的主要方向之一[1-2]。極化描述的是電磁波的電場矢量端點作為時間函數(shù)形成的空間軌跡,能夠反映電磁波的矢量特性。因此極化SAR能夠通

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孔月萍;曾平;張躍鵬;;一種半調(diào)圖像分類識別算法[J];西安電子科技大學學報;2011年05期

2 吳永輝;計科峰;郁文賢;;基于支持向量機的極化SAR圖像分類[J];現(xiàn)代雷達;2007年06期

3 何吟;程建;;基于商空間粒度的極化SAR圖像分類[J];計算機應用;2013年08期

4 安健;張揚;;基于Otsu和模糊核聚類算法的極化SAR圖像分類[J];電子科技;2014年02期

5 薛笑榮;曾琪明;趙榮椿;;一種快速的SAR圖像分類方法[J];計算機科學;2007年05期

6 王文光;王俊;毛士藝;李海艷;;基于極化SAR圖像分類的海上艦船檢測[J];信號處理;2007年05期

7 馬文萍;焦李成;張向榮;李陽陽;;基于量子克隆優(yōu)化的SAR圖像分類[J];電子學報;2007年12期

8 趙一博;秦先祥;鄒煥新;;基于目標分解和SVM的極化SAR圖像分類方法[J];航天返回與遙感;2013年02期

9 江勇;張曉玲;師君;;基于目標分解與支持向量機的極化SAR圖像分類研究(英文)[J];中國圖象圖形學報;2008年08期

10 薛寒;劉正堂;馬光圓;王軍;;基于變差函數(shù)的SAR圖像分類方法[J];現(xiàn)代電子技術;2013年06期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 李博;韓萍;;基于壓縮感知和SVM的極化SAR圖像分類[A];第二十七屆中國（天津）2013IT、網(wǎng)絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2013年

2 劉向君;楊澤剛;劉強;;基于多波段SAR圖像目標檢測決策級融合和圖像分類的目標狀態(tài)標注[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 王海江;極化SAR圖像分類方法研究[D];電子科技大學;2008年

2 林偉;極化SAR圖像分類的投影尋蹤方法研究[D];西北工業(yè)大學;2007年

3 陳博;基于集成學習和特征選擇的極化SAR地物分類[D];西安電子科技大學;2015年

4 吳永輝;極化SAR圖像分類技術研究[D];國防科學技術大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 何念;基于低秩方法的極化SAR圖像分類方法[D];西安電子科技大學;2014年

2 羅小歡;基于深度置信網(wǎng)的極化SAR圖像分類[D];西安電子科技大學;2014年

3 寇杏子;結合極化特征和圖像特征的極化SAR圖像分類研究[D];西安電子科技大學;2014年

4 謝慧明;基于空間信息的極化SAR圖像分類方法[D];西安電子科技大學;2014年

5 姜宇恒;基于區(qū)域劃分的極化SAR圖像分類方法研究[D];西安電子科技大學;2014年

6 何吟;基于極化分解的極化SAR圖像分類[D];電子科技大學;2013年

7 寇宏達;基于多層自編碼和超像素的極化SAR圖像分類[D];西安電子科技大學;2014年

8 牛東;基于散射分解和圖像紋理特征的極化SAR圖像分類[D];西安電子科技大學;2014年

9 郭衛(wèi)英;基于譜聚類的極化SAR圖像分類研究[D];西安電子科技大學;2013年

10 陳菲菲;基于二維PCA的極化SAR圖像分類研究[D];西安電子科技大學;2014年

，

本文編號：788593