基于深度学习和层次语义模型的极化SAR分类

• 作者: 刘璐 刘芳 林耀海 石俊飞
• 来源期刊: 自动化学报
• 关键词: 叠自编码器 极化层次语义模型 极化SAR分类 区域划分 层次分割
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 215-226
• 页数: 12页
• 字数: 9548字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c150660

摘要

针对复杂场景的极化合成孔径雷达(Synthetic aperture radar,SAR)图像,堆叠自编码模型能够自动学习高层特性,有效表示城区、森林等复杂地物的结构,然而,却难以保持图像的边界和细节.为了克服该缺点,本文结合深度自编码器和极化层次语义模型(Polarimetric hierarchical semantic model,PHSM),提出了新的无监督的极化SAR图像分类算法.该方法根据极化层次语义模型,将复杂的极化SAR图像划分为聚集、匀质和结构三大区域.对聚集区域,采用堆叠自编码模型进行高层特征表示,并构造字典得到稀疏特征进行分类;对匀质区域,采用层次模型进行分类;对于结构区域,进行线目标保留和边界定位.实验结果表明,该算法通过不同的分类策略优势互补,能够得到区域一致性好且边界保持的分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘芳	西安电子科技大学计算机学院	145	3511	30.0	54.0
5	林耀海	西安电子科技大学智能感知与图像理解教育部重点实验室	4	49	3.0	4.0
9	石俊飞	西安电子科技大学计算机学院	3	25	2.0	3.0
15	刘璐	西安理工大学计算机科学与工程学院	3	20	2.0	3.0