基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务.以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本.然而对于SAR图像真值标注而言,由于SAR特殊的成像机理,图像受相干斑噪声、几何畸变和结构缺失等因素影响较为严重,非直观性较强,使得SAR图像人工标注非常困难,极易出错,从而导致CNN等模型学习和泛化性能急剧降低.针对这种含噪标记条件下的SAR图像分类问题,该文提出了一种基于概率转移模型的卷积神经网络(ProbabilityTransition CNN,PTCNN)方法,该方法在传统CNN模型基础上,基于含噪标记与正确标记之间的概率转移模型,建立噪声标记转移层,这种新的卷积网络模型可潜在地校正错误标记,增强了含噪标记下分类模型的鲁棒性.与经典CNN等模型相比,在构建的16类SAR图像地物数据集和MSTAR数据集上的实验结果表明该文方法相比于经典CNN等模型,在保持SAR图像分类性能的同时具有较好的抗噪性,能够有效校正训练样本中的标注错误,从而降低了SAR图像有监督分类任务对样本标注质量的要求,具有一定的研究价值与应用前景.
推荐文章
基于全卷积神经网络的SAR图像目标分类
卷积神经网络
全卷积神经网络
合成孔径雷达
目标分类
基于深度卷积神经网络的图上半监督极化SAR图像分类算法
极化SAR图像分类
半监督
卷积神经网络
图模型
基于卷积神经网络迁移学习的SAR图像目标分类
迁移学习
卷积神经网络
超限学习机
合成孔径雷达图像
基于卷积神经网络的SAR图像目标识别研究
合成孔径雷达
自动目标识别
卷积神经网络
支持向量机
BP算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于概率转移卷积神经网络的含噪标记SAR图像分类
来源期刊 雷达学报 学科 工学
关键词 合成孔径雷达(SAR)图像分类 监督学习 含噪标记 概率转移卷积神经网络(PTCNN) 深度特征
年,卷(期) 2017,(5) 所属期刊栏目 论文
研究方向 页码范围 514-523
页数 10页 分类号 TN957.52
字数 5795字 语种 中文
DOI 10.12000/JR16140
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郁文贤 上海交通大学智能探测与识别上海市高校重点实验室 70 351 10.0 14.0
2 张增辉 上海交通大学智能探测与识别上海市高校重点实验室 12 37 4.0 6.0
3 郭炜炜 上海交通大学智能探测与识别上海市高校重点实验室 5 21 2.0 4.0
4 柳彬 上海交通大学智能探测与识别上海市高校重点实验室 7 85 6.0 7.0
5 赵娟萍 上海交通大学智能探测与识别上海市高校重点实验室 1 10 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (34)
参考文献  (10)
节点文献
引证文献  (10)
同被引文献  (47)
二级引证文献  (32)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(8)
  • 参考文献(2)
  • 二级参考文献(6)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(5)
  • 引证文献(4)
  • 二级引证文献(1)
2019(19)
  • 引证文献(3)
  • 二级引证文献(16)
2020(18)
  • 引证文献(3)
  • 二级引证文献(15)
研究主题发展历程
节点文献
合成孔径雷达(SAR)图像分类
监督学习
含噪标记
概率转移卷积神经网络(PTCNN)
深度特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
雷达学报
双月刊
2095-283X
10-1030/TN
大16开
北京市海淀区北四环西路19号
2012
chi
出版文献量(篇)
766
总下载数(次)
3
总被引数(次)
4241
论文1v1指导