10.3969/j.issn.1000-386x.2019.05.028
基于改进栈式核稀疏深度模型的大规模极化SAR地物分类算法
地物分类是极化SAR应用的一个重要分支.传统的地物分类方法需要提取特征,通过分类器进行分类.在栈式稀疏自编码模型的基础上,提出一种鲁棒的极化SAR地物分类算法.采用基于Morlet小波核的最小二乘支撑向量机代替深度模型中常用的Softmax分类器.通过与栈式稀疏自编码网络相结合,在一定程度上克服了传统极化SAR影像地物分类方法受相干斑噪声影响,且结果过于粗糙的缺点,保证了分类结果中非匀质区域的连贯性和匀质区域的一致性.真实极化SAR数据仿真实验结果表明,该算法可以有效地提高分类精度,降低相干斑噪声的对分类精度的影响.
极化SAR、地物分类、深度学习、相干斑噪声、稀疏深度编码、核矢量机
36
TP75(遥感技术)
2019-06-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
165-170