深度神经网络的高分三号全极化SAR图像分类方法

• 作者: 张佳琪 张继贤 赵争
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: SAR分类 深度学习 GoogLeNet 高分三号 多尺度分割
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 基础研究
• 页码范围: 6-11
• 页数: 6页
• 分类号: P237.3
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2019.02.002

摘要

针对传统极化SAR地物分类方法和基于像素的神经网络分类方法容易受到SAR图像固有斑点噪声影响而出现的破碎孤立点和精度下降问题,该文在考虑了极化SAR图像的基本特征的基础上结合深度卷积神经网络的方法对地表覆盖类型进行了分类研究,利用不同尺度的全极化SAR特征融合RGB图像对GoogLeNet模型进行迭代训练,结合对实验区的多尺度分割结果,对SAR图像做不同尺度下的样本分类,并最终获得整体图像的分类结果.实验证明,此方法能够获得较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵争		66	446	10.0	17.0
3	张继贤		26	217	8.0	14.0
4	张佳琪		2	6	1.0	2.0