基于SAR-SIFT和DBN的SAR图像分类方法.pdf
努力****甲寅
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SAR-SIFT和DBN的SAR图像分类方法.pdf
本发明公开了一种基于SAR‑SIFT和DBN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)输入整数类型SAR图像矩阵;(2)转换SAR图像矩阵;(3)提取SAR‑SIFT特征;(4)最大池化处理;(5)归一化;(6)训练四个受限玻耳兹曼机RBM;(7)训练softmax分类器;(8)构建深度置信网DBN网络;(9)分类;(10)计算分类精度。本发明提取了合成孔径雷达图像的SAR‑SIFT特征,采用了深度置信网DBN,逐层地学习特征,保留了雷达图像的信息完整性,挖掘了深度信息
基于轮廓波集成DBN的极化SAR图像变化检测方法.pdf
一种基于轮廓波集成DBN的极化SAR图像变化检测方法,主要解决现有方法中极化SAR图像变化检测精度不高的问题。本发明的具体步骤如下:(1)输入同一地区不同时相的两幅极化SAR图像的两个极化相干矩阵;(2)滤除相干噪声;(3)归一化处理滤波后的极化相干矩阵;(4)提取特征矩阵F
基于DBN模型的遥感图像分类.pdf
基于轮廓波FCN‑CRF的SAR图像分类方法.pdf
本发明公开了一种基于轮廓波全卷积网络FCN‑条件随机场CRF的SAR图像分类方法,实现步骤为:(1)获得低频系数和高频系数;(2)构建特征矩阵;(3)归一化特征矩阵;(4)构建样本数据集;(5)选取样本;(6)构建全卷积网络FCN‑条件随机场CRF的分类模型;(7)设定分类模型各层的参数;(8)利用分类模型进行分类;(9)输出分类结果。本发明一方面引入了条件随机场CRF,且加入了非下采样轮廓波变换,考虑了SAR图像的方向信息和空间信息,增强了模型的泛化能力,使得在训练样本较少的情况下仍可以达到很高的分类精
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,