科研之友
微信
新浪微博
Facebook
分享链接
摘要
在极化合成孔径雷达(PolSAR)地物分类研究中，基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足，提出一种基于卷积神经网络和EM算法的轻量化图像分割网络，称为低秩重构网络(low-rank-reconstruction-net, LRR-Net),应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发，利用EM算法对特征进行低秩重构，将特征从高维空间映射到低维空间，在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估，结果表明模型在保证分类精度的前提下，降低了模型复杂度。
