引用本文:张伟涛,王敏,郭交.基于多尺度CNN模型的多时相PolSAR图像作物分类[J].上海航天,2022,39(3):54-59.
【打印本页】   【下载PDF全文】     
本文已被:浏览 15次   下载 18
分享到: 微信 更多
基于多尺度CNN模型的多时相PolSAR图像作物分类
张伟涛1,王敏1,郭交2
1.西安电子科技大学 电子工程学院,陕西 西安710071;2.西北农林科技大学 机械与电子工程学院,陕西 杨凌712100
摘要:
农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限,因此,采用多时相PolSAR数据,其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题,提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法,用于对分解后的特征数据进行压缩,以获得分类所需的有效特征。此外,构建了一种多尺度特征分类网络(MSFCN),该网络可以提高农作物的分类性能,且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验,对分类结果进行性能评估,并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。
(1.School of Electronic Engineering, Xidian University, Xi’an 710071, Shaanxi, China;2.College of Mechanical and Electronic Engineering, Northwest A & F University, Yangling 712100, Shaanxi, China)

分享按钮