-
题名基于深度学习和层次语义模型的极化SAR分类
被引量:13
- 1
-
-
作者
石俊飞
刘芳
林耀海
刘璐
-
机构
西安电子科技大学计算机学院
西安理工大学计算机科学与工程学院
西安电子科技大学智能感知与图像理解教育部重点实验室
福建农林大学计算机与信息学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2017年第2期215-226,共12页
-
基金
国家重点基础研究发展计划(973计划)(2013CB329402)
国家自然科学基金(61573267
+5 种基金
61571342
61572383)
国家自然科学基金青年科学基金项目(31300473)
教育部"长江学者和创新团队发展计划"(IRT1170)
高等学校学科创新引智计划(B07048)
福建省自然科学基金(2014J01073)资助~~
-
文摘
针对复杂场景的极化合成孔径雷达(Synthetic aperture radar,SAR)图像,堆叠自编码模型能够自动学习高层特性,有效表示城区、森林等复杂地物的结构,然而,却难以保持图像的边界和细节.为了克服该缺点,本文结合深度自编码器和极化层次语义模型(Polarimetric hierarchical semantic model,PHSM),提出了新的无监督的极化SAR图像分类算法.该方法根据极化层次语义模型,将复杂的极化SAR图像划分为聚集、匀质和结构三大区域.对聚集区域,采用堆叠自编码模型进行高层特征表示,并构造字典得到稀疏特征进行分类;对匀质区域,采用层次模型进行分类;对于结构区域,进行线目标保留和边界定位.实验结果表明,该算法通过不同的分类策略优势互补,能够得到区域一致性好且边界保持的分类结果.
-
关键词
叠自编码器
极化层次语义模型
极化SAR分类
区域划分
层次分割
-
Keywords
Stacked auto-encoder, polarimetric hierarchical semantic model (PHSM), polarimetric synthetic aperture radar (SAR) image classification, region partition, hierarchical segmentation
-
分类号
TN957.52
[电子电信—信号与信息处理]
-