基于深度脊波神經網絡的極化SAR影像地物分類.pdf

1、極化合成孔徑雷達(Polarimetric SAR)影像包含豐富的目標信息，近年來成為遙感識別領域的研究熱點。其中，地物分類方法的研究是極化SAR影像解譯的重要組成部分，在軍事、民用等領域均有著極其重大的運用價值和意義。隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)量日益增大的同時，數(shù)據(jù)所包含的信息也越來越復雜，傳統(tǒng)的極化SAR影像分類方法，尤其是淺層網絡，在圖像特征提取以及類別劃分方面遇到了瓶頸，對特征的學習能力也遇到了挑戰(zhàn)。深度學習的出現(xiàn)開拓了極化SA

2、R影像地物分類的新思路，本文基于深度神經網絡對極化SAR影像地物分類問題進行了研究，提出了新的算法，并在真實地物數(shù)據(jù)上進行了實驗，具體主要包含以下三方面內容：
　?。?）提出了一種基于深度小波神經網絡的極化SAR影像地物分類方法。該方法針對淺層網絡對特征表示和學習的局限性問題，并考慮到小波變換較傳統(tǒng)的非線性sigmoid函數(shù)具有更強的學習能力和泛化能力，將小波基作為神經網絡的激勵函數(shù)，構建了兩層小波神經網絡來對輸入特征進行學習。實

3、驗結果表明，該方法較現(xiàn)有的傳統(tǒng)方法在真實極化SAR影像上有較高的分類精度。
　?。?）提出了一種基于深度脊波神經網絡的極化SAR影像地物分類方法。該方法針對小波處理高維非點狀奇異性的不足，引入了多尺度幾何分析方法中的脊波分析，將脊波作為神經網絡的激勵函數(shù)，構建兩層脊波神經網絡，將小波的優(yōu)點擴展到了更高維的空間，在小波函數(shù)的伸縮和平移參數(shù)的基礎上，增加了方向性的描述，對極化SAR影像地物的特征進行了更有效地表示。通過實驗可以驗證該方

4、法的有效性以及較深度小波神經網絡更突出的特征表示能力。
　?。?）提出了一種基于NSCT和深度量子脊波神經網絡的極化SAR影像地物分類方法。該方法針對傳統(tǒng)神經網絡收斂速度慢等固有缺陷，將量子態(tài)疊加的思想加入神經網絡當中，將其與脊波神經網絡有效結合，構建兩層量子脊波神經網絡，在保證極化SAR影像分類精度的基礎上，降低網絡訓練的時間復雜度。另外，針對傳統(tǒng)極化SAR影像地物分類方法輸入特征的單一性問題，引入了 NSCT紋理特征，將極化特