基于多尺度FCN-CRF和强化学习的高分辨SAR图像语义分割

发布时间：2021-09-13 18:12

　　合成孔径雷达作为一种重要的遥感对地观测方式,同时具备了成像不受光照和气候条件影响的优点。随着SAR成像技术的发展,空间分辨率不断提高,给SAR图像语义分割任务带来挑战,使得适用于中低分辨率SAR图像分割与分类的算法难以满足高分辨率SAR图像处理的应用需求。本文针对上述问题,在总结现有方法的基础上,提出了一种适用于高分辨率SAR图像的分割与分类方法。论文的主要工作和贡献包括以下几个方面:1.本文采用全卷积网络-条件随机场模型来实现高分辨SAR图像语义分割任务。高分辨SAR图像语义分割的任务是在已知少量数据类标的前提下,赋予图像中的像素点一个语义类别标签,鉴于高分辨SAR图像信息量大,背景复杂的特点,该模型将全卷积网络和条件随机场融合成一个端到端的神经网络复合模型,提取了多种浅层和深层特征:全卷积网络利用反卷积对每个像素产生一个预测,将任务提升到语义层次,条件随机场提取了像素的特征信息,进一步利用其邻域关系来获取空间邻域信息,能够实现较好的特征拟合效果。经试验证明,该方法选取5%的有类标样本数据进行训练,完成了基于高层语义信息的SAR图像语义分割任务,且分割准确率均高于其他对比算法。2.在... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：122 页

【学位级别】：硕士

【部分图文】：

Traustein数据集

Napoli1数据集

Napoli2数据集

【参考文献】：
期刊论文
[1]环境一号C卫星SAR图像典型环境遥感应用初探[J]. 田维,徐旭,卞小林,柴勋,王世昂,宫华泽,熊文成,邵芸.  雷达学报. 2014(03)
[2]一种基于马尔可夫随机场的SAR图像分割新方法[J]. 侯一民,郭雷.  电子与信息学报. 2007(05)

硕士论文
[1]SAR图像特征提取与分类方法的研究[D]. 郁锦锦.天津理工大学 2014
[2]SAR图像变化检测技术研究[D]. 张辉.电子科技大学 2008



本文编号：3395102