基于精調的膨脹編組-交叉CNN的PolSAR地物分類
關鍵詞：地物分類 膨脹卷積
摘要：在極化合成孔徑雷達(PolSAR)地物分類研究中,基于實數CNN的分類算法無法充分利用PolSAR圖像豐富的通道相位信息,并且在逐像素預測中存在大量冗余計算,導致分類效率較低。針對以上問題,該文采用一種復數域下的像素映射深度模型,實現低采樣率下精確且高效的PolSAR地物分類。為充分使用PolSAR數據的通道相位信息,該文基于一種編組-交叉卷積網絡(GC-CNN)將分類模型推廣到復數域,并利用網絡提取的復數特征及其對應的相位和幅度來實現更精確的分類;為加快分類速度,該文還采用了一種精調的膨脹編組-交叉卷積網絡(FDGC-CNN)來實現像素到像素的直接映射,并進一步提升了分類精度。在基于AIRSAR平臺的16類地物數據和E-SAR平臺的4類地物數據的實驗中,該文采用的FDGC-CNN模型相較于SVM分類器和實數CNN模型,能夠更準確和更高效地實現多類別地物分類,全局分類精度分別為96.94%和90.07%、總耗時4.22s和4.02s。
雷達學報雜志要求:
<一>計量單位、數字、符號 文稿必須使用法定的計量單位符號。
<二>正文標題：文內各級標題題號一律頂格書寫，標題題號分級采用1；1.1；1.1.1等標注形式。結構層次不宜過多，一般為二級或三級。
<三>文稿應具嚴謹的科學性，并有一定先進性和實用性。內容重點突出，文字務必簡練、準確、通順，字跡清楚。
<四>基金課題論文所涉及的課題如是國家或部、省、市級以上基金項目或攻關項目，應在文題頁左下角橫線下注明“基金項目。
<五>引言作為論文的開場白，應以簡短的篇幅介紹論文的研究背景和目的，對相關領域內前人所做的工作和研究進行簡要的概括。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
