基于复数域膨胀卷积与像素精炼并行映射网络的 PolSAR 图像分类
计算机视觉与模式识别
2020-01-22 v2
摘要
在有限先验标签下实现高效且精确的极化合成孔径雷达（PolSAR）图像分类一直充满挑战。对于通用监督深度学习分类算法，逐像素算法以少量标记像素实现精确但低效的分类，而像素映射算法则需更多先验标签以实现高效但边缘粗糙的分类。为兼顾效率、精度与先验标签，我们提出一种名为 CRPM-Net 的复数域像素精炼并行映射网络及相应的训练算法用于 PolSAR 图像分类。CRPM-Net 由两个并行子网络构成：a) 由复数交叉卷积神经网络（Cs-CNN）激活的复数域迁移膨胀卷积映射网络（C-Dilated CNN），旨在精确定位、高效率及充分利用相位信息；b) 与 C-Dilated CNN 并行连接的复数域编码器-解码器网络，用于提取更多上下文语义特征。最后，我们设计了一种两步算法，通过精炼误分类的标记像素，以少量标记像素训练 Cs-CNN 与 CRPM-Net 以提升精度。我们在 AIRSAR 与 E-SAR 数据集上验证了所提方法。实验结果表明，CRPM-Net 取得了最佳分类结果，并在效率与精度上大幅优于一些最新的 SOTA 方法。CRPM-Net 的源代码与训练模型见：https://github.com/PROoshio/CRPM-Net。
引用
@article{arxiv.1909.10783,
title = {PolSAR Image Classification Based on Dilated Convolution and Pixel-Refining Parallel Mapping network in the Complex Domain},
author = {Dongling Xiao and Chang Liu and Qi Wang and Chao Wang and Xin Zhang},
journal= {arXiv preprint arXiv:1909.10783},
year = {2020}
}
备注
15 pages, 13 figures