基于深度ICA網(wǎng)絡(luò)的極化SAR影像地物分類方法研究.pdf

1、迄今為止，大多數(shù)用于極化SAR（PolarimetricSynthetic Aperture Radar）影像地物分類的特征都是通過淺層學習算法得到的，學習到的特征比較低級，分類準確率不盡如人意，因此如何提取能表征原始樣本的高級特征成為學者們研究的重點和熱點。本文基于深度學習的思想，提出了基于ICA（Independent Component Analysis）的深度網(wǎng)絡(luò)模型。該模型提取出用于表示原始樣本的高級可分特征，最后將得到高級可

2、分特征用來實現(xiàn)分類。將這個深度ICA網(wǎng)絡(luò)模型應(yīng)用在多個極化SAR影像地物分類問題上，都獲得比淺層學習方法更高的魯棒性和分類準確率。所取得的主要研究成果為：
　?。?）提出了一種基于特征集成和深度 ICA網(wǎng)絡(luò)的極化 SAR影像地物算法，主要解決現(xiàn)有的淺層機器學習方法提取的特征不優(yōu)，分類準確率低的問題。該方法思想是基于深度學習思想，將ICA模型級聯(lián)成深度神經(jīng)網(wǎng)絡(luò)模型。首先將提取的極化SAR影像的目標分解特征、紋理特征、顏色特征集成后，

3、然后通過該深度神經(jīng)網(wǎng)絡(luò)模型提取其深度特征表示，得到比淺層學習算法更高的分類精度，證實了該方法的可行性與高效性。
　?。?）為了解決提取極化SAR影像目標分解特征、紋理特征、顏色特征消耗時間長的問題，本部分提出了一種結(jié)合 K-Means鄰域信息編碼和深度 ICA網(wǎng)絡(luò)的極化SAR影像地物分類算法。在該算法中，用每個像元的鄰域信息替代其散射，紋理和顏色信息以達到提高算法效率的目的。然后用K-Means算法對鄰域信息進行編碼，去除其中的冗

4、余信息。最后將編碼結(jié)果作為深度 ICA網(wǎng)絡(luò)的輸入從而提高整個算法的分類精度。
　?。?）考慮到（2）中提出的算法得到的分類精度仍然不是太高且所得分類結(jié)果圖中各區(qū)域一致性不太令人滿意的問題，本部分提出了基于深度FastICA網(wǎng)絡(luò)和超像素分割的極化SAR影像地物分類算法。該方法首先實現(xiàn)基于單個像元的分類，然后結(jié)合該分類結(jié)果以及對影像的超像素分割結(jié)果，得到最終的分類結(jié)果。該方法不僅能獲得比僅僅基于單個像元進行分類的算法及淺層學習算法更高