基于RBF网络模型的SAR溢油图像识别方法

• 作者: 周慧 陈澎
• 来源期刊: 大连海事大学学报
• 学科: 交通运输
• 关键词: 溢油 油膜/类油膜 合成孔径雷达(SAR) 图像识别 特征向量 径向基函数网络
• 年，卷（期）: 2018,（2）
• 页码范围: 113-117
• 页数: 5页
• 分类号: U698.7|X507
• 语种: 中文
• DOI: 10.16411/j.cnki.issn1006-7736.2018.02.017

摘要

利用径向基函数(radial basis function,RBF)神经网络模型区分油膜和类油膜,旨在为溢油事故决策支持提供重要前提.首先,对合成孔径雷达(SAR)图像进行特征提取,获得有效的特征向量,并将特征向量作为输入层参数,建立激励函数;其次,利用SAR图像样本训练RBF神经网络模型,将输出值与实际值之间的误差作为约束条件调整权重因子、径向基中心和宽度,根据输出层的线性激活函数值判断溢油情况.实验结果表明,RBF模型在识别油膜与类油膜图像方面准确率超过90％.通过比较RBF和BP神经网络在SAR溢油图像分类上的准确率,也证明了RBF的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周慧	大连东软信息学院软件工程系	14	116	4.0	10.0
2	陈澎	大连海事大学航海学院	20	101	6.0	9.0