基于深度相关向量机的SAR图像分类方法.pdf
贤惠****66
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于深度相关向量机的SAR图像分类方法.pdf
本发明公开了一种基于深度相关向量机的SAR图像分类方法,主要解决了合成孔径雷达图像分类问题。其分类过程为:(1)输入双精度类型的合成孔径雷达SAR图像的矩阵;(2)对输入的双精度类型的合成孔径雷达SAR图像的矩阵进行归一化处理;(3)训练三个受限玻耳兹曼机RBM;(4)训练RVM分类器;(5)构建深度RVM模型;(6)分类;(7)计算预测类标;(8)得到分类正确率。本发明挖掘了合成孔径雷达图像的深度特征,采用了相关向量机RVM,稀疏地学习特征,保留了雷达图像的信息完整性,挖掘了深度信息,减少了时间复杂度,
基于深度方向波网络的极化SAR图像分类方法.pdf
本发明公开了一种基于深度方向波网络的极化SAR图像分类方法,本方法实现步骤为:(1)输入极化SAR图像;(2)提取泡利分解特征;(3)构建训练样本特征矩阵;(4)初始化卷积神经网络;(5)训练卷积神经网络;(6)构建测试样本特征矩阵;(7)得到测试样本的类标;(8)计算分类精度;(9)上色;(10)输出上色后的极化SAR图像。本发明将方向滤波器作为卷积神经网络的滤波器,对极化SAR图像进行分类,使得本发明具有很好地保留极化SAR图像的方向信息的优点。
基于深度卷积神经网络的SAR图像目标分类方法.pdf
本发明提出了一种基于深度卷积神经网络的SAR图像目标分类方法,用于提高SAR图像目标分类精度。实现步骤为:获取包含SAR目标图像的训练样本集和测试样本集;去除训练样本集和测试样本集中每幅SAR图像的背景杂波;构建包含变换sigmoid激活函数构成Enhanced‑SE层的深度卷积神经网络模型;对深度卷积神经网络模型进行训练;用训练后的深度卷积神经网络模型对测试样本集进行分类。本发明通过形态学闭运算方法在去除SAR目标图像中背景杂波时融合目标区域的边缘缺口并填补目标区域的内部缺损,有效保留目标区域的形状特征
一种基于深度多层字典对学习的SAR图像分类方法.pdf
本发明涉及SAR遥感图像识别技术领域,具体提供一种基于深度多层字典对学习的SAR图像分类方法。包括所述方法的实现包括步骤如下:步骤1,获取SAR图像数据;步骤2,对获得的SAR图像数据集进行划分和预处理操作;步骤3,将预处理后的图像数据输入到基础网络模块,获得底层通用特征;步骤4,将获得的通用特征输入到对应类别的类特定网络模块,获得每类数据特有的特征;步骤5,将获得的每类数据的特征输入到对应的字典学习网络模块,获得编解码后的重建特征;步骤6,通过重建损失函数、判别损失函数和正则损失函数,联合优化所提出的网
基于多尺度深度方向波网络的极化SAR图像分类方法.pdf
本发明公开了一种基于多尺度深度方向波网络的极化SAR图像分类方法,本方法实现步骤为:(1)输入极化SAR图像;(2)提取泡利分解特征;(3)构建训练样本特征矩阵;(4)初始化多尺度深度方向波网络;(5)训练多尺度深度方向波网络;(6)构建测试样本特征矩阵;(7)得到测试样本的类标;(8)计算分类精度;(9)上色;(10)输出上色后的极化SAR图像。本发明将不同尺度的方向波滤波器作为多尺度深度方向波网络的滤波器,对极化SAR图像进行分类,使得本发明具有很好地保留极化SAR图像的方向特征和全局特征的优点。