基于多层反卷积网络的SAR图像分类

摘要：

针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类.首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类.在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率.

关键词：合成孔径雷达、多层学习、反卷积网络、图像分类、软概率池化

所属期刊栏目：40

分类号：P237.3(摄影测量学与测绘遥感)

资助基金：国家重点基础研究发展计划973计划资助项目2013CB733404;国家自然科学基金资助项目41371342,61331016;湖北省自然科学基金资助项目.The National Key Basic Research and Development Program973 Program of China,No.2013CB733404;the National Natural Science Foundation of China,Nos.41371342, 61331016;the Natural Science Foundation of Hubei Province.

在线出版日期：2015-12-10（万方平台首次上网日期，不代表论文的发表时间）

页码：1371-1376