基于主动深度学习的极化SAR图像分类
  • 【DOI】

    10.6046/gtzyyg.2018.01.10

  • 【摘要】

    针对极化SAR图像在监督分类时存在人工标注样本费时费力以及浅层结构学习算法的表达能力有限等问题,提出一种基于主动深度学习的极化SAR图像分类方法.首先,对测量数据进行多种极化特征提取,以便完整地描述图像信息;在此基础上,通过自动编码器对大量无标记样本进行非监督学习,提取更具可分性和不变性的深层特征;然后,利用少量标记样本训练分类器,并与自动编码器连接,以监督学习的方式微调整个网络;最后,通过主动学... 展开>>针对极化SAR图像在监督分类时存在人工标注样本费时费力以及浅层结构学习算法的表达能力有限等问题,提出一种基于主动深度学习的极化SAR图像分类方法.首先,对测量数据进行多种极化特征提取,以便完整地描述图像信息;在此基础上,通过自动编码器对大量无标记样本进行非监督学习,提取更具可分性和不变性的深层特征;然后,利用少量标记样本训练分类器,并与自动编码器连接,以监督学习的方式微调整个网络;最后,通过主动学习,选择对当前分类器最有价值的样本(分类模糊度最大的样本)进行人工标记,并加入到训练样本中,重新训练分类器和微调网络.对RADARSAT-2和EMISAR极化SAR影像进行不同分类的实验结果表明,该方法能在更少人工标记的样本下获得较高的分类精度. 收起<<

  • 【作者】

    徐佳  袁春琦  程圆娥  曾晨雨  许康 

  • 【作者单位】

    河海大学地球科学与工程学院/河海大学地球科学与工程学院/江苏省测绘研究所/中南大学软件学院/江苏省测绘工程院

  • 【刊期】

    国土资源遥感 ISTIC PKU 2018年1期

  • 【关键词】

    极化SAR  极化目标分解  图像分类  主动学习  深度学习  polarimetric SAR  target decomposition  image classification  active learning  deep learning 

  • 【基金项目】

    国家自然科学基金项目"基于视觉注意机制的SAR图像小目标检测方法研究" 江苏省测绘地理信息科研项目"基于多源遥感数据的滨海湿地精细分类与变化监测"