[发明专利]一种基于学习超像素和QCNN的极化SAR地物识别方法在审
| 申请号： | 201910764394.0 | 申请日： | 2019-08-19 |
| 公开（公告）号： | CN110443227A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 张新征;夏吉利;王韬 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 重庆博凯知识产权代理有限公司 50212 | 代理人： | 胡逸然 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 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学习超像素和QCNN的极化SAR地物识别方法，包括：获取极化雷达数据；将极化雷达数据进行极化分解得到极化雷达伪彩色图像；基于像素的四元数卷积神经网络将极化雷达伪彩色图像分类得到分类结果；基于极化雷达伪彩色图像利用PAN网络生成多个超像素块；基于极化雷达伪彩色图像的分类结果及超像素块生成极化雷达数据的分类结果。本发明利用了颜色空间中的高层语义特征，能够得到比传统的超像素生成方法更好的局部区域分割。结合四元数卷积神经网络像素级分类和PAN超像素分割区域，得到了基于颜色特征的高精度极化SAR图像地物分类效果。 | ||
| 搜索关键词： | 极化雷达 伪彩色图像 分类结果 极化SAR 像素 卷积神经网络 地物识别 四元数 像素块 高层语义特征 地物分类 极化分解 局部区域 像素分割 像素生成 颜色空间 颜色特征 传统的 像素级 分类 图像 分割 学习 | ||
【主权项】：
1.一种基于学习超像素和QCNN的极化SAR地物识别方法，其特征在于，包括：S1、获取极化雷达数据；S2、将所述极化雷达数据进行极化分解得到极化雷达伪彩色图像；S3、基于像素的四元数卷积神经网络将所述极化雷达伪彩色图像分类得到分类结果；S4、基于所述极化雷达伪彩色图像利用PAN网络生成多个超像素块；S5、基于所述极化雷达伪彩色图像的分类结果及超像素块生成所述极化雷达数据的分类结果。
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重庆大学，未经重庆大学许可，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/201910764394.0/，转载请声明来源钻瓜专利网。
