排序方式： 共有3条查询结果，搜索用时 62 毫秒
1
1.
在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。 相似文献
2.
极化合成孔径雷达（PolSAR）以其多参数、多通道、多极化、信息记录更加完整等特点，在城市地物提取领域中发挥着重要作用，并已成为遥感影像研究领域的热点。选择覆盖苏州市的Radarsat2影像，利用极化非相干分解法和灰度共生矩阵法分别提取19种极化特征和8种纹理特征，通过分析建筑物、植被和水体的极化特征和纹理特征进行特征组合，结合主成分分析法（PCA）和支持向量机法（SVM）对城市建筑物进行提取，并定量评估精度。结果表明：基于极化特征的建筑物提取精度最高为92.4%；基于纹理特征的提取精度最高为88.9%；极化特征与纹理特征相结合可以提高精度，最高精度为93.7%；PCA特征融合算法具有较高的运算效率，同时提高了精度。 相似文献
3.
提出一种新型的空域极化SAR数据相干斑滤波方法,改进了Sigma滤波并结合基于Freeman-Durden分解的Wishart非监督分类方法,在保留强点目标的同时,有效选择同质区域且具有相同散射类型的像素参与滤波.实验结果表明,在相干斑噪声抑制和边缘纹理细节信息保持方面,该方法均具有优越性,且能保持极化SAR数据的地物散射特性. 相似文献
1