Details

Autor(en) / Beteiligte

• 赵泉华
• 谢凯浪
• 王光辉
• 李玉

Titel

全卷积网络和条件随机场相结合的全极化SAR土地覆盖分类

Ist Teil von

• Ce hui xue bao, 2020-01, Vol.49 (1), p.65

Ort / Verlag

Beijing: Surveying and Mapping Press

Erscheinungsjahr

2020

Link zum Volltext

Quelle

Free E-Journal (出版社公開部分のみ）

Beschreibungen/Notizen

• 针对经典全卷积网络（fully convolution network，FCN）分类精度低、效果差，以及传统的极化合成孔径雷达（PolSAR）土地覆盖分类方法未充分考虑地物散射特性的问题，提出了一种结合改进FCN和条件随机场（conditional random field，CRF）的全极化SAR土地覆盖分类算法。首先，利用Freeman分解和Pauli分解建模全极化SAR影像，同时提取各分解对应的散射特征，参考Freeman分解散射功率获取其主散射分量对应的主散射地物；同时，借鉴在图像分类领域中具有卓越表现的FCN-Vgg19-8s网络，考虑其高层卷积参数量大和低层卷积模型参数优化程度不足，通过在高层和中层分别构建多尺度卷积组和代价函数设计了FCN-MD-8s网络，保证对整体模型参数进行降维和优化；以Freeman分解散射机理特征为基准，采用级连式迁移学习结构，实现FCN-MD-8s网络的模型训练和测试；然后，根据主散射分量所对应的主散射地物，在各分量预测图中提取出主特征地物，得到分量地物分类结果，并将其进行叠加得到全局粗分类；最后，利用全连接CRF结合Pauli相干分解重建假彩色图，对全局粗分类进行全局像素类别转移获得细分类结果。通过对分类结果定性和定量分析，可知提出算法具有有效性和可行性。