模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (12): 1122-1132    DOI: 10.16451/j.cnki.issn1003-6059.201912008
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
结合编码-解码网络和条件随机场的全极化合成孔径雷达土地覆盖分类
赵泉华1, 谢凯浪1, 王光辉2, 李玉1
1.辽宁工程技术大学 测绘与地理科学学院 遥感科学与应用研究所 阜新 123000;
2.自然资源部国土卫星遥感应用中心 北京 100048
Land Cover Classification of Fully Polarimetric SAR with Encoder-Decoder Network and Conditional Random Field
ZHAO Quanhua1, XIE Kailang1, WANG Guanghui2, LI Yu1
1.Institute for Remote Sensing Science and Application, School of Geomatics, Liaoning Technical University, Fuxin 123000;
2.Land Satellite Remote Sensing Application Center, Ministry of Natural Resources of the People's Republic of China, Beijing 100048

全文: PDF (2770 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对多极化合成孔径雷达影像地物分类特征表征性较弱及全卷积网络分类精度较低的问题,文中提出结合编码-解码网络(E-D-Net)和条件随机场(CRF)的全极化合成孔径雷达(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,提取各分解对应的散射特征.再借鉴语义分割网络模型的建模思想和多尺度卷积单元构建对称网络模型,将多尺度非对称卷积单元嵌入中层,设计E-D-Net网络模型.通过E-D-Net网络模型对PolSAR影像Freeman分解散射特征进行多层自主学习,获得初始分类结果.最后,利用全连接CRF结合Pauli相干分解伪彩色图信息,对初始分类结果再进行降噪和平滑优化,得到最终分类结果.在两地区PolSAR影像上的实验验证文中算法的有效性和可行性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
赵泉华
谢凯浪
王光辉
李玉
关键词 土地覆盖分类全卷积网络(FCN)条件随机场(CRF)多极化合成孔径雷达(PolSAR)多尺度卷积单元(MCU)    
Abstract:Aiming at weak characterization of polarimetric synthesis aperture radar(PolSAR) image feature classification and low classification accuracy of the traditional fully convolutional network(FCN), a land cover classification algorithm of PolSAR with encoder-decoder network(E-D-Net) and conditional random field(CRF) is proposed. Firstly, Freeman decomposition and Pauli decomposition are employed to model PolSAR images and extract scattering features corresponding to each decomposition. Symmetric network model is built via semantic segmentation network model and multi-scale convolution unit. An E-D-Net network model is designed by embedding the multi-scale asymmetric convolution unit into the middle layer. PolSAR image and scattering features of Freeman decomposition are autonomously learned by E-D-Net to obtain the initial classification result. Finally, the CRF combined with Pauli coherent decompositionfalsecolorimageinformation isutilized todenoiseandsmooth the initialclassification results to obtain the final classification result. PolSAR image experiments on two areas verify the effectiveness and the feasibility of the proposed algorithm.
Key wordsLand Cover Classification    Fully Convolutional Network(FCN)    Conditional Random Field(CRF)    Polarimetric Synthesis Aperture Radar(PolSAR)    Multi-scale Convolution Unit(MCU)   
收稿日期: 2019-09-18     
ZTFLH: TP 391  
基金资助:国家自然科学基金青年科学基金项目(No.41301479)、辽宁省高校创新人才支持计划项目(No.LR2016061)、辽宁省教育厅科学技术研究一般项目(No.LJCL009)资助
通讯作者: 赵泉华,博士,教授,主要研究方向为遥感影像处理.Email:zqhlby@163.com.   
作者简介: 谢凯浪,硕士研究生,主要研究方向为深度学习、图像处理、极化SAR数据解译.Email:1140545949@qq.com.王光辉,硕士研究生,主要研究方向为遥感影像处理、遥感信息提取与变化检测.E-mail:wanggh@sasmac.cn.李 玉,博士,教授,主要研究方向为遥感影像处理.E-mail:lntuliyu@163.com.
引用本文:   
赵泉华, 谢凯浪, 王光辉, 李玉. 结合编码-解码网络和条件随机场的全极化合成孔径雷达土地覆盖分类[J]. 模式识别与人工智能, 2019, 32(12): 1122-1132. ZHAO Quanhua, XIE Kailang, WANG Guanghui, LI Yu. Land Cover Classification of Fully Polarimetric SAR with Encoder-Decoder Network and Conditional Random Field. , 2019, 32(12): 1122-1132.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201912008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I12/1122
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn