基于卷积神经网络的甚高分辨率机载 PolSAR 图像分类
计算机视觉与模式识别
2020-04-13 v2 机器学习
摘要
本工作中，我们利用卷积神经网络（CNNs）对甚高分辨率（VHR）极化 SAR（PolSAR）数据进行分类。由于此类数据中异质纹理的显著呈现，我们不仅利用极化特征，还利用结构张量来馈入 CNN 模型。对于深度网络，我们使用 SegNet 模型进行语义分割，对应于遥感中的逐像素分类。我们在机载 F-SAR 数据上的实验表明，对于 VHR PolSAR 图像，SegNet 能为分类任务提供高精度；且将结构张量与极化特征一同作为输入引入，可帮助网络更多地关注几何信息，从而显著提升分类性能。
引用
@article{arxiv.1910.14578,
title = {Very high resolution Airborne PolSAR Image Classification using Convolutional Neural Networks},
author = {Minh-Tan Pham and Sébastien Lefèvre},
journal= {arXiv preprint arXiv:1910.14578},
year = {2020}
}
备注
5 pages, accepted in EUSAR 2020