基于多层反卷积网络的SAR图像分类  

Classification of SAR Images Based on Deep Deconvolutional Network

作　　者：王云艳[1,2] 何楚[1,3] 赵守能 陈东[4] 廖明生[1] 

机构地区：[1]武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079 [2]湖北工业大学电气与电子工程学院,湖北武汉430068 [3]武汉大学电子信息学院,湖北武汉430072 [4]国防科技大学ATR重点实验室,湖南长沙410073

出　　处：《武汉大学学报（信息科学版）》2015年第10期1371-1376,共6页Geomatics and Information Science of Wuhan University

基　　金：国家重点基础研究发展计划(973计划)资助项目(2013CB733404);国家自然科学基金资助项目(41371342;61331016);湖北省自然科学基金资助项目~~

摘　　要：针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率。Aim at the problem that the traditional feature extraction methods cannot get the high level structure features,this paper put forward a new soft probability pooling method,which is used in multilayer Deconvolutional Network,then high level structure features can be learned and be used for classification of SAR image.Firstly,the SAR image was divided into patches;then,the feature coding of each patch was obtained by means of multilayer Deconvolutional Networks,which can learn features suitable for image classification in different scale;finally,the SAR image was classified through the features used in SVM classifier.Experimental results on the first batch domestic PolSAR images show that the classification accuracy rate of the proposed algorithm is superior.

关 键 词：合成孔径雷达 多层学习 反卷积网络 图像分类 软概率池化 

分 类 号：P237.3[天文地球—摄影测量与遥感]