深度置信网络在极化SAR图像分类中的应用
目的 深度置信网络能够从数据中自动学习、提取特征,在特征学习方面具有突出优势.极化SAR图像分类中存在海量特征利用率低、特征选取主观性强的问题.为了解决这一问题,提出一种基于深度置信网络的极化SAR图像分类方法.方法 首先进行海量分类特征提取,获得极化类、辐射类、空间类和子孔径类四类特征构成的特征集;然后在特征集基础上选取样本并构建特征矢量,用以输入到深度置信网络模型之中;最后利用深度置信网络的方法对海量分类特征进行逐层学习抽象,获得有效的分类特征进行分类.结果 采用AIRSAR数据进行实验,分类结果精度达到91.06%.通过与经典Wishart监督分类、逻辑回归分类方法对比,表现了深度置信网络方法在特征学习方面的突出优势,验证了方法的适用性.结论 针对极化SAR图像海量特征的选取与利用,提出了一种新的分类方法,为极化SAR图像分类提供了一种新思路,为深度置信网络获得更广泛地应用进行有益的探索和尝试.
极化雷达、深度置信网络、图像分类、深度学习、遥感、特征学习
21
TP751(遥感技术)
国家自然科学基金项目40801172;北京市自然科学基金项目4142011National Natural Science Foundation of China40801172
2016-09-06(万方平台首次上网日期,不代表论文的发表时间)
共9页
933-941