基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统.pdf
小宏****aa
亲,该文档总共23页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统.pdf
本申请提供一种基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统,该方法包括:对预处理后的SAR图像进行分割,得到目标训练集未标注图像和目标训练集标注图像,其中,所述目标训练集标注图像为根据预设的分类标签,对所述目标训练集未标注图像进行类别标注得到;基于最大类间方差法,对所述不规则卷积核神经网络模型的卷积核的权值进行自适应阈值分割,得到自适应激活函数;基于所述不规则卷积核神经网络模型,对预处理后的SAR图像进行语义分割,得到语义分割后的SAR图像;所述不规则卷积核神经网络模型为:基于所述自适应激活
基于卷积神经网络的SAR图像分类.pdf
SAR图像分类基于卷积神经网络的SAR图像分类摘要:合成孔径雷达(SAR)技术在地球观测、军事、安全和资源开发等领域得到广泛应用。对于SAR图像的分类能够提高对地面目标的识别和定位能力。本文旨在研究一种基于卷积神经网络(CNN)的SAR图像分类方法,通过对经过特定处理的SAR图像进行分析和训练,提高分类的精度和效率。实验结果表明,该方法可在SAR图像分类中取得良好的性能,准确率达到90.2%。关键词:SAR图像分类;卷积神经网络;特征提取;分类器;深度学习1.引言SAR技术是一种高分辨率、全天候、全天时的
一种基于轮廓结构学习模型的SAR图像语义分割方法.pdf
本发明公开了一种基于轮廓结构学习模型的SAR图像语义分割方法,实现步骤:(1)素描化SAR图像,得到素描图;(2)素描图区域化得到区域图,依据区域图划分SAR图像的像素子空间;(3)对于混合聚集结构地物像素子空间中的极不匀质区域,采用均匀采样方法得到各区域样本集;(4)建立地物轮廓结构学习模型;(5)通过地物轮廓结构学习模型得到样本结构特征,并分割混合聚集结构地物像素子空间;(6)匀质像素子空间和结构像素子空间分割;(7)合并三部分的分割结果,得到最终的SAR图像分割图。本发明的分割结果具有较好的区域一致
一种基于卷积神经网络生成的语义分割图像优化方法.pdf
本发明公开了一种基于卷积神经网络生成的语义分割图像优化方法,涉及图像分割技术领域,包括以下步骤:将高清的自然图片输入至全卷积神经网络FCN中通过编码器获得不同尺度的特征图,并经过解码器初步输出待优化的分割图像;对不同尺度的特征图采用交叉门控卷积,输出语义边界图像;根据卷积神经网络分割结果的概率分布计算出信息熵,得到熵分布图像;根据语义边界图像与熵分布图像采用一种基于蒙特卡洛采样和梯度下降迭代式的优化算法对分割图像进一步优化并输出最终优化后分割图像。本发明旨在提高生成结果在微小目标及不同目标的边缘交汇区域的
全卷积神经网络模型、图像分割方法及装置.pdf
本发明提供了一种全卷积神经网络模型、图像分割方法、装置、电子设备和可读存储介质,获取待分割的目标图像后,采用预先训练好的全卷积神经网络模型对目标图像进行分割,以得到分割后的图像,由于本发明采用的全卷积神经网络模型包括深度多尺度融合模块,所述深度多尺度融合模块可以提取输入图像的不同尺度深度的特征并融合,因此输出的特征结果更加多样,特征模式也更加丰富,有效提高了整体分割算法的精度。采用本发明的全卷积神经网络模型进行图像分割,能够提高图像分割精度,同时也可以减少人机交互的繁琐操作,且本发明的图像分割算法通用性强