[发明专利]基于浅层特征与T矩阵深度学习的极化SAR分类方法有效
| 申请号： | 201710495285.4 | 申请日： | 2017-06-26 |
| 公开（公告）号： | CN107292317B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 缑水平;李德博;刘波;王朋;焦李成;马文萍;马晶晶;王新林 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06N3/08;G06T5/00 |
| 代理公司： | 陕西电子工业专利中心 61205 | 代理人： | 王品华;朱红星 |
| 地址： | 710071 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于浅层特征与T矩阵深度学习的极化SAR分类方法，主要解决现有技术对散射信息差异明显的同一地物和散射信息相近的不同地物分类正确率低的问题。其实现步骤为：1.对原始极化SAR图像进行滤波处理2.提取滤波后的极化SAR图像的极化浅层特征；3.将浅层特征与滤波后的极化SAR数据进行融合，构造训练样本和测试样本；4.采用卷积神经网络对训练样本进行学习；5.利用学习得到的卷积神经网络对测试样本进行分类，得到最终的极化SAR地物分类结果。本发明对极化SAR目标地物的分类正确率高，并且对大区域的地物目标分类有良好的实验效果，可用于目标识别和大场景的地物分类。 | ||
| 搜索关键词： | 基于 特征 矩阵 深度 学习 极化 sar 分类 方法 | ||
【主权项】：
基于浅层特征与T矩阵深度学习的极化SAR分类方法，包括：(1)输入原始极化SAR图像，并对该图像进行滤波处理，去除图像中的斑点噪声，获得滤波后的极化SAR图像；(2)提取其浅层极化特征，该浅层极化特征包括散射熵H、散射角α和各向异性系数A这三种特征；(3)将提取得到的三种浅层极化特征H、α、A与极化相干矩阵T进行数据融合，构造训练样本和测试样本；(4)利用卷积神经网络CNN对训练样本进行学习，得到能对数据进行特征表示的训练好的卷积神经网络；(5)采用训练好的卷积神经网络对测试样本进行特征提取，并且通过Softmax分类器，得到最终分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710495285.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于稀疏表示的提升图像清晰度的方法
- 下一篇：拥车状态识别方法及装置
