基于深度學(xué)習(xí)的方法在極化合成孔徑雷達(dá)（Synthetic Aperture Rader,SAR）圖像分類中取得了不錯的分類結(jié)果,尤其是全卷積網(wǎng)絡(luò)（Fully Convolution Network,FCN）,得益于其端到端、點到點的分類架構(gòu),在極化SAR圖像分類中有很大的應(yīng)用前景。之前的基于FCN的極化SAR圖像分類方法中,沒有使用超像素去修正分類結(jié)果,影響了其分類結(jié)果的進(jìn)一步提升。提出了基于超像素和FCN的極化SAR圖像分類方法,得到了很好的分類結(jié)果。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 特征提取
    1.1 極化相干矩陣
    1.2 H/A/α分解方法
2 本文方法
    2.1 超像素SLIC算法
    2.2 滑窗全卷積網(wǎng)絡(luò)
    2.3 超像素+SFCN
3 實驗與分析
    3.1 Xi’an圖像分類實驗
    3.2 Oberpfaffenhofen圖像分類實驗
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]融合極化SAR圖像色彩信息的地物分類新方法[J]. 周濤,代大海,邢世其,劉陽,王雪松.  無線電工程. 2018(12)
[2]基于聯(lián)合特征和SVM的極化SAR圖像分類方法[J]. 馬騳骉,盧春燕.  無線電工程. 2017(03)



本文編號：3719189