深度学习在SAR目标识别与地物分类中的应用

• 作者: 徐丰 王海鹏 金亚秋
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 合成孔径雷达 深度学习 自动目标识别 地物分类
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 论文
• 页码范围: 136-148
• 页数: 13页
• 分类号: TN959
• 字数: 6529字
• 语种: 中文
• DOI: 10.12000/JR16130

摘要

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金亚秋	复旦大学电磁波信息科学教育部重点实验室	138	1282	18.0	27.0
2	徐丰	复旦大学电磁波信息科学教育部重点实验室	40	254	8.0	15.0
3	王海鹏	复旦大学电磁波信息科学教育部重点实验室	24	109	4.0	10.0