雷达学报

作者：胡涛, 李卫华, 秦先祥, 王鹏, 余旺盛, 李军

单位：①.空军工程大学信息与导航学院   西安   710077；②.国防科技大学电子对抗学院   合肥   230037；

关键词：极化SAR, 地物分类, 条件随机场, 卷积神经网络

基金：国家自然科学基金(41601436, 61403414, 61703423)，陕西省自然科学基础研究计划(2018JM4029)

近年来，极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计，特征表征性不强。因此，该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法。利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征，再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类。实验结果表明，与3种利用传统经典特征的方法相比，该方法能够提取更有效的特征，取得了更高的总体分类精度和Kappa系数。

来源：2019年第4期

《雷达学报》期刊编辑部

查看雷达学报杂志2019年第4期