基于深度协同稀疏编码网络的海洋浮筏SAR图像目标识别
浮筏养殖广泛存在于我国近海海域,可见光遥感图像无法完全准确地获取养殖目标,而基于主动成像的合成孔径雷达(Synthetic aperture radar, SAR)遥感图像能够得到养殖目标,因此采用SAR 图像进行海洋浮筏养殖目标识别。然而,海洋遥感SAR 图像包含大量相干斑噪声,并且SAR 图像特征单一,使得目标识别难度较大。为解决这些问题,提出一种深度协同稀疏编码网络(Deep collaborative sparse coding network, DCSCN)进行海洋浮筏识别。本文方法对预处理后的图像先提取纹理特征和轮廓特征,再进行超像素分割并将同一个超像素块特征组输入该网络进行协同表示,最后得到有效特征并分类识别。通过人工SAR 图像和北戴河海域浮筏养殖SAR 图像的实验验证所提模型的有效性。该网络不仅具有优异的特征表示能力,能够获得更适合分类器的特征,而且通过近邻协同约束,有效抑制相干斑噪声影响,所以提高了SAR图像目标识别精度。
合成孔径雷达、深度学习、稀疏自动编码器、浮筏养殖、目标识别
42
TP3;TN9
国家自然科学基金61273307,61301130;中国博士后面上基金2014M551082;北戴河邻近海域典型生态灾害与污染监控海洋公益专项201305003;海域使用动态监测和污染监测研究专项资助Supported by National Natural Science Foundation of China61273307,61301130;the China Postdoctoral Science Founda-tion2014M551082;the Public Welfare Project of Beidaihe Ma-rine Ecological Disasters and Pollution Monitoring201305003;the Research of Dynamic Monitoring and Pollution Moni-toring of Sea Area
2016-05-25（万方平台首次上网日期，不代表论文的发表时间）
共12页
593-604
