基于深度卷积神经网络和条件随机场模型的PolSAR图像地物分类方法

• 作者: 余旺盛 李军 李卫华 王鹏 秦先祥 胡涛
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 极化SAR 地物分类 条件随机场 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: SAR图像智能解译专题
• 页码范围: 471-478
• 页数: 8页
• 分类号: TP391
• 字数: 4700字
• 语种: 中文
• DOI: 10.12000/JR18065

摘要

近年来,极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究.传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强.因此,该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法.利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征,再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类.实验结果表明,与3种利用传统经典特征的方法相比,该方法能够提取更有效的特征,取得了更高的总体分类精度和Kappa系数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	空军工程大学信息与导航学院	101	597	13.0	18.0
2	余旺盛	空军工程大学信息与导航学院	71	426	10.0	17.0
3	李卫华	空军工程大学信息与导航学院	37	195	8.0	12.0
4	王鹏	空军工程大学信息与导航学院	60	256	9.0	12.0
5	秦先祥	空军工程大学信息与导航学院	20	22	3.0	4.0
6	胡涛	空军工程大学信息与导航学院	8	11	2.0	3.0