首页 | 本学科首页   官方微博 | 高级检索  
     检索      

深度神经网络的高分三号全极化SAR图像分类方法
引用本文:张佳琪,张继贤,赵争.深度神经网络的高分三号全极化SAR图像分类方法[J].测绘科学,2019,44(2):6-11.
作者姓名:张佳琪  张继贤  赵争
作者单位:中国测绘科学研究院,北京,100830;国家测绘产品质量检验测试中心,北京,100830;中国测绘科学研究院,北京100830;城市空间信息工程北京市重点实验室,北京 100830
基金项目:四川测绘地理信息局科技支撑计划;MINISAR数据处理关键技术研究与软件开发项目;中国科学院“创新交叉团队”项目
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。

关 键 词:SAR分类  深度学习  GoogLeNet  高分三号  多尺度分割

Classification method of GF-3 polarimetric SAR image using deep neural network
Abstract:
Keywords:
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号