10.16251/j.cnki.1009-2307.2023.05.009
生成对抗网络框架下的极化SAR图像语义分割
针对DeepLabv3+语义分割网络难以获取极化合成孔径雷达(PolSAR)图像数据分布的问题,该文提出了一种生成对抗网络(GAN)框架下的语义分割方法.其中,GAN的生成器为轻量级复数DeepLabv3+,它能充分提取PolSAR数据的幅度和相位中所蕴含的丰富目标特征,获取精细的语义分割结果;GAN的判别器为实数多分辨卷积神经网络,它和生成器进行对抗学习后,能进一步使得语义分割后的数据分布逼近于真实标签.4个PolSAR数据集的实验结果表明,该文所提方法比DeepLabv3+和轻量级复数DeepLabv3+具有更高的平均交并比、整体精度和平均像素精度.
极化合成孔径雷达、语义分割、生成对抗网络、DeepLabv3+、卷积神经网络
48
P237(摄影测量学与测绘遥感)
国家自然科学基金;江西省科技厅项目;江西省教育厅科技项目;江西省研究生创新专项资金项目
2023-07-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
68-77,91