[发明专利]一种基于深度阶梯网络的高分辨SAR图像分类方法有效
| 申请号： | 201710369380.X | 申请日： | 2017-05-23 |
| 公开（公告）号： | CN107133653B | 公开（公告）日： | 2020-11-03 |
| 发明（设计）人： | 焦李成;屈嵘;李晰;张丹;杨淑媛;侯彪;马文萍;刘芳;尚荣华;张向荣;唐旭;马晶晶 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06T7/11 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710065 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深度阶梯网络的高分辨SAR图像分类方法，该方法主要解决高分辨SAR图像有类标数据较少无法有效对网络进行训练的问题。其实现步骤为：输入待分类的高分辨SAR图像及其标记信息；构造训练数据集D1与测试数据集D2；对数据集D1、D2的特征进行归一化得到数据集D3、D4；构造基于深度阶梯网络的分类器模型；用训练数据集D3对网络进行训练；利用训练好的分类模型对测试数据集D4进行分类。本发明可充分利用少量有类标的训练样本，而获得较高的分类精度。 | ||
| 搜索关键词： | 一种 基于 深度 阶梯 网络 分辨 sar 图像 分类 方法 | ||
【主权项】：
一种基于深度阶梯网络的高分辨SAR图像分类方法，其特征在于，包括如下步骤：(1)通过高分辨SAR图像及其人工标记图来构造训练数据集D1和测试数据集D2；(2)将训练数据集D1和测试数据集D2中每个元素归一化至[0，1]之间，分别得到归一化后的训练数据集D3和归一化后的测试数据集D4；(3)构造基于深度阶梯网络的分类模型；(4)用训练数据集D1对基于深度阶梯网络进行训练，得到训练好的模型；(5)利用训练好的模型对测试数据集D2进行分类，获得最终的分类结果。
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/201710369380.X/，转载请声明来源钻瓜专利网。
