基于深度特征的双极化SAR遥感图像岩性自动分类
-
摘要:
目的）基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar，SAR）数据和传统机器学习算法的岩性分类方法，易受SAR图像固有斑点噪声影响，精度不高。为了降低噪声的影响，（方法）本研究以大尺度像元邻域为基元，用于表征地表地质体的遥感图像特征和相应的岩性语义信息；采用高分三号双极化SAR数据，先进行极化分解，并构建3通道彩色合成影像，作为后续模型输入数据；然后采用深度卷积神经网络（Deep Convolutional Neural Network，DCNN）迁移学习的方法，提取有效的深度特征表示，从而分别实现5m和15m两种空间分辨率下岩性遥感自动分类。（结果）实验结果表明：基于不同分辨率数据和不同DCNN算法，岩性遥感自动分类的总精度均大于80%，且最高精度达到91%。（结论）总之，基于大尺度像元邻域和DCNN迁移学习方法，能够实现基于SAR数据的高精度岩性分类。论文创建的双极化SAR岩性遥感数据集，也能作为基于人工智能的岩性遥感分类基准数据集。
-
点击查看大图
计量
- 文章访问数: 460
- HTML全文浏览量: 19
- PDF下载量: 73
- 被引次数: 0
下载:
