基于深度脊波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf

1、極化合成孔徑雷達(dá)(Polarimetric SAR)影像包含豐富的目標(biāo)信息，近年來(lái)成為遙感識(shí)別領(lǐng)域的研究熱點(diǎn)。其中，地物分類方法的研究是極化SAR影像解譯的重要組成部分，在軍事、民用等領(lǐng)域均有著極其重大的運(yùn)用價(jià)值和意義。隨著大數(shù)據(jù)時(shí)代的到來(lái)，數(shù)據(jù)量日益增大的同時(shí)，數(shù)據(jù)所包含的信息也越來(lái)越復(fù)雜，傳統(tǒng)的極化SAR影像分類方法，尤其是淺層網(wǎng)絡(luò)，在圖像特征提取以及類別劃分方面遇到了瓶頸，對(duì)特征的學(xué)習(xí)能力也遇到了挑戰(zhàn)。深度學(xué)習(xí)的出現(xiàn)開(kāi)拓了極化SA

2、R影像地物分類的新思路，本文基于深度神經(jīng)網(wǎng)絡(luò)對(duì)極化SAR影像地物分類問(wèn)題進(jìn)行了研究，提出了新的算法，并在真實(shí)地物數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)，具體主要包含以下三方面內(nèi)容：
　　（1）提出了一種基于深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類方法。該方法針對(duì)淺層網(wǎng)絡(luò)對(duì)特征表示和學(xué)習(xí)的局限性問(wèn)題，并考慮到小波變換較傳統(tǒng)的非線性sigmoid函數(shù)具有更強(qiáng)的學(xué)習(xí)能力和泛化能力，將小波基作為神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)，構(gòu)建了兩層小波神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)輸入特征進(jìn)行學(xué)習(xí)。實(shí)

3、驗(yàn)結(jié)果表明，該方法較現(xiàn)有的傳統(tǒng)方法在真實(shí)極化SAR影像上有較高的分類精度。
　?。?）提出了一種基于深度脊波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類方法。該方法針對(duì)小波處理高維非點(diǎn)狀奇異性的不足，引入了多尺度幾何分析方法中的脊波分析，將脊波作為神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)，構(gòu)建兩層脊波神經(jīng)網(wǎng)絡(luò)，將小波的優(yōu)點(diǎn)擴(kuò)展到了更高維的空間，在小波函數(shù)的伸縮和平移參數(shù)的基礎(chǔ)上，增加了方向性的描述，對(duì)極化SAR影像地物的特征進(jìn)行了更有效地表示。通過(guò)實(shí)驗(yàn)可以驗(yàn)證該方

4、法的有效性以及較深度小波神經(jīng)網(wǎng)絡(luò)更突出的特征表示能力。
　?。?）提出了一種基于NSCT和深度量子脊波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類方法。該方法針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)收斂速度慢等固有缺陷，將量子態(tài)疊加的思想加入神經(jīng)網(wǎng)絡(luò)當(dāng)中，將其與脊波神經(jīng)網(wǎng)絡(luò)有效結(jié)合，構(gòu)建兩層量子脊波神經(jīng)網(wǎng)絡(luò)，在保證極化SAR影像分類精度的基礎(chǔ)上，降低網(wǎng)絡(luò)訓(xùn)練的時(shí)間復(fù)雜度。另外，針對(duì)傳統(tǒng)極化SAR影像地物分類方法輸入特征的單一性問(wèn)題，引入了 NSCT紋理特征，將極化特