科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于深度复值全卷积神经网络的极化SAR图像分类方法,主要解决现有技术分类精度低的问题。其方案为：输入待分类极化SAR图像的极化相干矩阵T及其真实地物标记G,并对T归一化；提取归一化后矩阵的输入复值向量构造特征矩阵F；在G中选取像素点生成新的真实地物标记G’；在F和G’上通过滑动窗分别生成特征集和标记集,对该两者进行随机选取构成训练集；构造深度复值全卷积神经网络,并初始化；利用训练集对初始化后的深度复值全卷积网络进行训练；将待分类极化SAR图像输入到训练好的深度复值全卷积神经网络中,得到分类结果；本发明有效地抑制相干斑噪声干扰,提高了分类准确率,可用于实现极化SAR图像的目标检测或分类识别。
- 单位
