期刊在線咨詢服務(wù)，立即咨詢
購(gòu)物車(0)
基于精調(diào)的膨脹編組-交叉CNN的PolSAR地物分類
關(guān)鍵詞：地物分類 膨脹卷積
摘要：在極化合成孔徑雷達(dá)(PolSAR)地物分類研究中,基于實(shí)數(shù)CNN的分類算法無(wú)法充分利用PolSAR圖像豐富的通道相位信息,并且在逐像素預(yù)測(cè)中存在大量冗余計(jì)算,導(dǎo)致分類效率較低。針對(duì)以上問(wèn)題,該文采用一種復(fù)數(shù)域下的像素映射深度模型,實(shí)現(xiàn)低采樣率下精確且高效的PolSAR地物分類。為充分使用PolSAR數(shù)據(jù)的通道相位信息,該文基于一種編組-交叉卷積網(wǎng)絡(luò)(GC-CNN)將分類模型推廣到復(fù)數(shù)域,并利用網(wǎng)絡(luò)提取的復(fù)數(shù)特征及其對(duì)應(yīng)的相位和幅度來(lái)實(shí)現(xiàn)更精確的分類;為加快分類速度,該文還采用了一種精調(diào)的膨脹編組-交叉卷積網(wǎng)絡(luò)(FDGC-CNN)來(lái)實(shí)現(xiàn)像素到像素的直接映射,并進(jìn)一步提升了分類精度。在基于AIRSAR平臺(tái)的16類地物數(shù)據(jù)和E-SAR平臺(tái)的4類地物數(shù)據(jù)的實(shí)驗(yàn)中,該文采用的FDGC-CNN模型相較于SVM分類器和實(shí)數(shù)CNN模型,能夠更準(zhǔn)確和更高效地實(shí)現(xiàn)多類別地物分類,全局分類精度分別為96.94%和90.07%、總耗時(shí)4.22s和4.02s。
雷達(dá)學(xué)報(bào)雜志要求:
<一>計(jì)量單位、數(shù)字、符號(hào) 文稿必須使用法定的計(jì)量單位符號(hào)。
<二>正文標(biāo)題：文內(nèi)各級(jí)標(biāo)題題號(hào)一律頂格書寫，標(biāo)題題號(hào)分級(jí)采用1；1.1；1.1.1等標(biāo)注形式。結(jié)構(gòu)層次不宜過(guò)多，一般為二級(jí)或三級(jí)。
<三>文稿應(yīng)具嚴(yán)謹(jǐn)?shù)目茖W(xué)性，并有一定先進(jìn)性和實(shí)用性。內(nèi)容重點(diǎn)突出，文字務(wù)必簡(jiǎn)練、準(zhǔn)確、通順，字跡清楚。
<四>基金課題論文所涉及的課題如是國(guó)家或部、省、市級(jí)以上基金項(xiàng)目或攻關(guān)項(xiàng)目，應(yīng)在文題頁(yè)左下角橫線下注明“基金項(xiàng)目。
<五>引言作為論文的開(kāi)場(chǎng)白，應(yīng)以簡(jiǎn)短的篇幅介紹論文的研究背景和目的，對(duì)相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡(jiǎn)要的概括。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
