CNN结合SLIC的PolSAR区域化分类

• 作者: 李玉恒 杨仁辉 江涛 郭庆华
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 极化合成孔径雷达 卷积神经网络 简单线性迭代 支持向量机 随机森林
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 摄影测量与遥感
• 页码范围: 511-517
• 页数: 7页
• 分类号: P237|TN957
• 字数: 4622字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2019.05.013

摘要

针对PolSAR分类易受散斑噪声影响出现“椒盐”现象的问题,提出一种CNN结合SLIC算法的PolSAR分类方法.选取荷兰Flevoland地区机载L波段全极化数据作为实验数据,通过Pauli、Huynen和Yamaguchi分解获取了9维特征向量,利用指定窗口尺寸内像素在特征维度的分布特征作为CNN的输入端,在选取实际标签作为训练集进行训练的基础上,通过对网络学习率和随机失活率等参数调整优选,经过200次迭代将影像分为大豆、小麦和建筑等15种地类,并结合SLIC算法获取区域化分类结果.实验结果显示总体分类精度达到97％,Kappa系数为0.94,效果明显优于传统SVM和Random Forest分类算法,同时对国产高分三号全极化数据进行了分类,证明了该分类算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江涛	山东科技大学测绘科学与工程学院	78	965	18.0	28.0
2	郭庆华	山东科技大学测绘科学与工程学院	2	0	0.0	0.0
3	杨仁辉		1	0	0.0	0.0
4	李玉恒	山东科技大学测绘科学与工程学院	1	0	0.0	0.0