基于深度学习的PolSAR图像分类与舰船检测方法

发布时间：2021-11-17 06:33

　　极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）作为一种获取遥感信息的先进手段,能够全天时、全天候、远作用距离地获取不同极化收发方式下目标丰富的散射信息。PolSAR的强信息获取能力显著增强了它对目标检测与分类的能力,它在生态环境监测、农作物产量估计、资源勘测等民用以及战场侦察、态势监视等军用方面都具有广阔的应用前景。当前,基于PolSAR图像的目标检测与分类算法的性能主要依赖于利用先验信息设计的目标特征提取模型。然而,不准确的先验信息与模型极易影响目标检测与分类的性能。深度学习方法不仅能够自适应提取目标的二维空间信息等低维特征,同时能够充分挖掘数据中的高维特征信息。因此,基于深度学习的PolSAR图像分类与目标检测研究具有重要的理论意义和应用价值。本文在国家自然科学基金项目、教育部新世纪优秀人才支持计划项目和横向课题等资助下,结合实际PolSAR系统应用,重点研究了基于深度学习的PolSAR地物分类与目标检测方法,并在实测数据上获得了良好的目标检测与分类效果,具体的研究内容包括以下几个方面:1.阐述了极化基本理论,分别从电磁... 

【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】：88 页

【学位级别】：硕士

【部分图文】：

图１．１机载ＰｏｌＳＡＲ系统??ＰｄＳＡＲ比ＰｏｌＳＡＲ还

图１．２星载ＰｏｌＳＡＲ系统??１．２国内外研究现状??１．２．１?ＰｏｌＳＡＲ图像分类的研究现状??

CNN发展历程


本文编号：3500386