科研之友
微信
新浪微博
Facebook
分享链接
摘要
极化合成孔径雷达(PolSAR)能够实现全天时、全天候的成像，因此该数据成为遥感数据的主要来源之一。其中地物分类是极化SAR数据解译的重要研究内容，已成为该研究领域的热点之一，目前在军事和民事领域都有着广泛的应用。近年来深度学习已在多个研究领域取得了显著成果，并且在极化SAR图像解译领域也获得了一定的成效。与传统的图像分类方法相比，深度学习方法具有自动提取特征、泛化性能强及获取较高准确率等优势。围绕极化SAR数据解译中的地物分类问题，对现有采用深度学习的极化SAR图像地物分类方法进行综述。根据深度学习中不同的网络模型，主要从三方面对极化SAR地物分类研究进行了详细叙述，即基于深度信念网络，稀疏自编码网络以及卷积神经网络的图像分类模型。最后，通过与经典的极化SAR分类方法进行性能评估和比较，总结采用深度学习的极化SAR地物分类方法的优势与不足，同时对该领域未来的发展趋势进行分析和探讨。
- 单位
