深度学习在SAR目标识别与地物分类中的应用
深度卷积网络等深度学习算法变革了计算机视觉领域,在多种应用上的效果都超过了以往传统图像处理算法.该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作.利用深度卷积网络从SAR图像中自动学习多层的特征表征,再利用学习到的特征进行目标检测与目标分类.将深度卷积网络应用于SAR目标分类数据集MSTAR上,10类目标平均分类精度达到了99%.针对带相位的极化SAR图像,该文提出了复数深度卷积网络,将该算法应用于全极化SAR图像地物分类,Flevoland 15类地物平均分类精度达到了95%.
合成孔径雷达、深度学习、自动目标识别、地物分类
6
TN959
国家自然科学基金61571132, 61571134, 61331020;上海航天科技创新基金
2017-06-02(万方平台首次上网日期,不代表论文的发表时间)
共13页
136-148