测绘科学

2020, v.45;No.259(01) 77-83+98

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

结合FCN和多特征的全极化SAR土地覆盖分类
Land cover classification of fully polarimetric synthetic aperture radar with fully convolution network and multi-feature

谢凯浪;赵泉华;李玉;

摘要(Abstract):

针对极化合成孔径雷达(PolSAR)影像地物分类特征表征性弱,以及传统全卷积网络(FCN)分类精度较低、效果差的问题,该文提出了一种结合FCN和多特征的全极化SAR土地覆盖分类算法。首先,根据PolSAR影像和极化目标分解获取散射特征参数构建特征空间,利用主成分分析(PCA)对特征空间实现降维,以优化特征组合;接着,以SegNet建模思想为基础,在网络中层嵌入多层多尺度非对称卷积单元(MACU)结构,并在中层添加代价函数构建双代价收敛(DC)结构,基于此设计了DC-MA-FCN网络;然后,以优化后的特征组合为输入,通过DC-MA-FCN网络进行多层自主学习训练网络,并利用训练好的网络进行PolSAR影像初始分类;最后,组合DC-MA-FCN网络分类结果和形态学方法实现最终分类。该方法对两地区的PolSAR影像进行取样和试验,并使用多种评价指标定量分析,表明了算法的可行性和有效性。

关键词(KeyWords): 极化SAR;全卷积网络;多尺度非对称卷积单元;代价函数

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金青年科学基金项目(41301479);; 辽宁省高校创新人才支持计划项目(LR2016061);; 辽宁省教育厅科学技术研究一般项目(LJCL009)

作者(Author): 谢凯浪;赵泉华;李玉;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.01.012

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享