本文關(guān)鍵詞：基于多層反卷積網(wǎng)絡的SAR圖像分類

  更多相關(guān)文章： 合成孔徑雷達 多層學習 反卷積網(wǎng)絡 圖像分類 軟概率池化

【摘要】：針對傳統(tǒng)特征提取方法不能提取目標高層結(jié)構(gòu)特征的問題,提出了一種基于軟概率的池化方法,結(jié)合多層反卷積網(wǎng)絡,學習目標的高層結(jié)構(gòu)特征,并將其用于合成孔徑雷達(SAR)圖像分類。首先對SAR圖像進行子塊劃分,然后對每個子塊進行基于多層反卷積網(wǎng)絡的特征編碼,學習出不同層次上的圖像特征,最后將該特征用于支持向量機(SVM)分類器,實現(xiàn)SAR圖像的分類。在國內(nèi)首批SAR數(shù)據(jù)上的實驗表明,該算法獲得了較高的分類準確率。
【作者單位】： 武漢大學測繪遙感信息工程國家重點實驗室;湖北工業(yè)大學電氣與電子工程學院;武漢大學電子信息學院;國防科技大學ATR重點實驗室;
【關(guān)鍵詞】： 合成孔徑雷達 多層學習 反卷積網(wǎng)絡 圖像分類 軟概率池化
【基金】：國家重點基礎研究發(fā)展計劃(973計劃)資助項目(2013CB733404) 國家自然科學基金資助項目(41371342,61331016) 湖北省自然科學基金資助項目~~
【分類號】：TN957.52
【正文快照】： 合成孔徑雷達(synthetic aperture radar,SAR)是一種主動式微波傳感器,在目標識別、地物分類、水體監(jiān)測等領域具有很大的應用潛力。隨著SAR遙感系統(tǒng)的不斷發(fā)展,研究如何有效地實現(xiàn)SAR圖像的分類和識別具有重要意義[1]。提取圖像特征進行分類與識別是SAR圖像解譯的重要方法。最

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 萬朋,王建國,黃順吉;SAR圖像目標綜合檢測方法[J];電子學報;2001年03期

2 何楚;劉明;馮倩;鄧新萍;;基于多尺度壓縮感知金字塔的極化干涉SAR圖像分類[J];自動化學報;2011年07期

3 吳曉紅;謝明;干可;張杰;夏昕;余艷梅;;SAR圖像的特征提取與目標識別[J];四川大學學報(自然科學版);2007年06期

4 何楚;劉明;許連玉;劉龍珠;;利用特征選擇自適應決策樹的層次SAR圖像分類[J];武漢大學學報(信息科學版);2012年01期

5 宦若虹;張平;潘峗;;PCA、ICA和Gabor小波決策融合的SAR目標識別[J];遙感學報;2012年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 殷慧;基于局部特征表達的高分辨率SAR圖像城區(qū)場景分類方法研究[D];武漢大學;2010年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 向世勇;李春升;陳杰;;基于去噪的SAR復圖像SPIHT壓縮算法[J];北京航空航天大學學報;2008年03期

2 田海濤;陳偉清;馬金忠;;應用網(wǎng)絡規(guī)劃進行InSAR相位解纏的路徑跟蹤算法[J];測繪工程;2008年05期

3 徐怡波;賴錫軍;周春國;;基于ENVISAT ASAR數(shù)據(jù)的東洞庭湖濕地植被遙感監(jiān)測研究[J];長江流域資源與環(huán)境;2010年04期

4 吳義兵;宋建社;王瑞花;;基于分形維數(shù)的SAR圖像紋理特征的提取[J];四川兵工學報;2011年07期

5 楊桄;陳克雄;周脈魚;徐忠林;王宗明;;SAR圖像中目標的檢測和識別研究進展[J];地球物理學進展;2007年02期

6 黃亮;舒寧;;基于支持向量機(SVM)單目標SAR圖像分割[J];地理空間信息;2011年01期

7 鳳宏曉;侯彪;焦李成;卜曉明;;基于非下采樣Contourlet域局部高斯模型和MAP的SAR圖像相干斑抑制[J];電子學報;2010年04期

8 夏桂松;何楚;孫洪;;一種基于非參數(shù)密度估計和馬爾可夫上下文的SAR圖像分割算法[J];電子與信息學報;2006年12期

9 周鑫;;基于EM算法的G0分布參數(shù)最大似然估計[J];電子學報;2013年01期

10 彭實;張愛武;李含倫;胡少興;孟憲剛;孫衛(wèi)東;;一種改進的弱光譜畸變PCA融合方法[J];光譜學與光譜分析;2013年10期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 張亞利;劉星;;SAR在地表形變監(jiān)測中的應用與展望[A];重慶市測繪學會第三屆優(yōu)秀論文評選獲獎論文暨2005-2006年度學術(shù)交流會論文選編[C];2008年

2 錢方明;劉薇;周瑜;;雷達遙感衛(wèi)星TerraSAR-X的系統(tǒng)特性和產(chǎn)品[A];第十八屆十三省市光學學術(shù)會議論文集[C];2010年

3 蔡欣華;黃世奇;;基于區(qū)域特征的SAR圖像配準[A];國家安全地球物理叢書（五）——地球物理與海洋安全[C];2009年

4 陳利生;劉陵;;粒子濾波算法在SAR影像道路提取中的應用[A];全國礦山測量新技術(shù)學術(shù)會議論文集[C];2009年

5 周偉華;王鑫;羅斌;;SAR圖像降噪的雙樹復小波變換相位保持算法[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 陶勇;知識輔助的SAR圖像目標特性分析與識別研究[D];國防科學技術(shù)大學;2010年

2 夏東坤;P波段全極化SAR數(shù)據(jù)處理方法研究[D];中國科學技術(shù)大學;2011年

3 周紅;基于子帶子孔徑的低頻SAR成像及運動目標檢測技術(shù)研究[D];國防科學技術(shù)大學;2011年

4 計科峰;SAR圖像目標特征提取與分類方法研究[D];中國人民解放軍國防科學技術(shù)大學;2003年

5 武昕偉;SAR自聚焦技術(shù)及相干斑抑制算法研究[D];南京航空航天大學;2002年

6 方學立;UWB-SAR圖像中的目標檢測與鑒別[D];國防科學技術(shù)大學;2005年

7 甘榮兵;合成孔徑雷達對抗及目標檢測技術(shù)研究[D];電子科技大學;2006年

8 倪心強;SAR圖像分類與自動目標識別技術(shù)研究[D];中國科學院研究生院（電子學研究所）;2007年

9 李偉;分布式星載SAR干擾與抗干擾研究[D];國防科學技術(shù)大學;2006年

10 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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 魯統(tǒng)臻;星載SAR與AIS艦船目標檢測技術(shù)研究[D];中國海洋大學;2010年

2 李富城;多極化SAR圖像地物分類技術(shù)研究[D];解放軍信息工程大學;2009年

3 楊大海;極化SAR相干斑抑制若干問題研究[D];解放軍信息工程大學;2010年

4 于小燕;逆合成孔徑雷達成像與定標技術(shù)研究[D];西安電子科技大學;2011年

5 羅佳宇;SAR圖像強散射區(qū)域的檢測分割[D];北京交通大學;2011年

6 胡s，

本文編號：1129431