基于深度学习的海浪SAR图像分类

针对海浪场中合成孔径雷达(SAR)图像的灰度特征混杂、人工目视分类困难的问题,本文利用简化的Inception-ResNet-V2模型与注意力机制相结合的方法,在减少网络层数、加快运算效率的同时,大幅度提升了计算机对SAR图像中海浪条纹清晰度的识别准确率。在利用模型进行图像分类时,本文提出分块识别的方式,对各块分类概率结果进行累加后取概率最大的类别,可提升1.8%的识别准确率,使最终准确率达到了89.6%。最后,本文基于深度学习结合12000幅分类样本实现了总计5万幅ASAR图像的分类研究,获得条纹清晰组11069幅、中间组16560幅和不清晰组22371幅分类图像。