基于改进栈式核稀疏深度模型的大规模极化SAR地物分类算法

• 作者: 肖茹
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 极化SAR 地物分类 深度学习 相干斑噪声 稀疏深度编码 核矢量机
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 165-170
• 页数: 6页
• 分类号: TP75
• 字数: 5461字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.05.028

摘要

地物分类是极化SAR应用的一个重要分支.传统的地物分类方法需要提取特征,通过分类器进行分类.在栈式稀疏自编码模型的基础上,提出一种鲁棒的极化SAR地物分类算法.采用基于Morlet小波核的最小二乘支撑向量机代替深度模型中常用的Softmax分类器.通过与栈式稀疏自编码网络相结合,在一定程度上克服了传统极化SAR影像地物分类方法受相干斑噪声影响,且结果过于粗糙的缺点,保证了分类结果中非匀质区域的连贯性和匀质区域的一致性.真实极化SAR数据仿真实验结果表明,该算法可以有效地提高分类精度,降低相干斑噪声的对分类精度的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖茹	河南卫生干部学院基础课教学部	2	2	1.0	1.0