| 利用主动深度学习提取极化SAR影像建筑区 |
| |
| 引用本文： | 邓鸿儒,徐佳,单文龙,袁春琦. 利用主动深度学习提取极化SAR影像建筑区[J]. 测绘科学技术学报, 2018, 0(3) |
| |
| 作者姓名： | 邓鸿儒 徐佳 单文龙 袁春琦 |
| |
| 作者单位： | 河海大学地球科学与工程学院;南京林业大学土木工程学院;北方信息控制研究院集团有限公司 |
| |
| 摘 要： | 针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。
|
| 关 键 词： | 极化SAR 特征选取 建筑区提取 主动学习 深度学习 |
Polarized SAR Image Building Area Extaction Using Active Deep Learning |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
