基于注意力机制的偏振成像目标分类方法

摘要：

基于注意力机制的神经网络可重点提取样本中关键区域的特征信息,将此特点应用于偏振图像目标分类任务中有助于充分获取不同偏振图像之间的相互关系,并从关键区域中提取出较多特征信息.针对杂乱自然背景中目标识别难度大的问题,提出一种基于注意力机制的偏振图像目标分类方法.首先,将注意力机制和卷积神经网络相结合,构建出适用于数量有限样本的偏振特征提取模型;然后,选择合适的偏振图像作为模型输入并对其进行训练,使得注意力模块中易于分类的通道域特征信息和空间域特征信息具有较大的权重,以实现分类准确率的进一步提高.实验结果表明,所提方法在不同自然背景中可有效提升目标分类的准确率,在自建偏振目标数据库中准确率达到95％以上.相较于传统的深度学习分类方法,所提方法的准确率得到明显的提高,因此更适用于杂乱背景中目标的分类.

关键词：成像系统、偏振成像、卷积神经网络、注意力机制、目标分类

所属期刊栏目：41

分类号：TP751(遥感技术)

资助基金：国家重点研发计划;中国科学院项目（非规范项目）;卫星应用共性关键技术项目

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103