结合广义Gamma与卷积深度置信网络的PolSAR影像分类

作者：范志旋; 汪长城^*; 卢丽君; 高晗

来源：测绘科学, 2022, 47(10): 105-112.

DOI：10.16251/j.cnki.1009-2307.2022.10.015

• 极化合成孔径雷达
• 卷积深度置信网络
• 广义伽马分布
• 图像分类

针对极化合成孔径雷达(PolSAR)影像分类中标记样本较少导致分类模型难以拟合、未充分考虑地物统计特性等问题，该文提出了一种顾及广义伽马分布(GΓD)与空间邻域信息的极化SAR卷积深度置信网络(CDBN)的地物分类方法。通过引入深度置信网络与半监督学习方法，充分发掘已有数据信息，提高小样本条件下分类器的数据拟合能力，有效提高模型的分类精度。将GΓD的功率参数值域范围扩大到非零实数，增强GΓD对具有拖尾分布地物的描述；基于多极化信息，将GΓD与卷积结构有机融合到深度置信网络，其借助卷积结构的优点，更有效地描述不同类型地物的统计分布。基于EMISAR和GF-3全极化SAR影像进行分类实验，分别选取两个不同场景(农田和城市)作为实验区。结果表明，该方法在分类精度和统计分布拟合效果方面都优于传统方法。

• 单位
  中南大学; 中国测绘科学研究院; 物理学院