公开(公告)号：CN105160353B

公开(公告)日：2018-07-17

申请号：CN201510505194.5

申请日：2015-08-18

Applicant: 西安电子科技大学

Inventor： 王爽 ,  焦李成 ,  张东辉 ,  高琛琼 ,  熊涛 ,  刘红英 ,  滑文强

IPC: G06K9/62

Abstract: 本发明公开了一种基于多特征集的极化SAR数据地物分类方法。本发明实现的步骤为：(1)输入数据；(2)精致Lee滤波；(3)提取两个特征集；(4)对两个特征集聚类；(5)比较聚类结果；(6)迭代分类；(7)输出结果。本发明相比现有技术基于单一特征集的Wishart分类方法，提高了极化合成孔径雷达SAR数据的分类精度，减少了使用Wishart分类方法分类极化合成孔径雷达SAR数据时的迭代次数，解决了极化信息利用不充分和用于Wishart分类方法的训练样本集中有许多错分样本的问题。本发明可应用于极化合成孔径雷达SAR数据地物分类。

公开(公告)号：CN105160353A

公开(公告)日：2015-12-16

申请号：CN201510505194.5

申请日：2015-08-18

Applicant: 西安电子科技大学

Inventor： 王爽 ,  焦李成 ,  张东辉 ,  高琛琼 ,  熊涛 ,  刘红英 ,  滑文强

IPC: G06K9/62

CPC classification number: G06K9/6267 ,  G06K9/6223

Abstract: 本发明公开了一种基于多特征集的极化SAR数据地物分类方法。本发明实现的步骤为：(1)输入数据；(2)精致Lee滤波；(3)提取两个特征集；(4)对两个特征集聚类；(5)比较聚类结果；(6)迭代分类；(7)输出结果。本发明相比现有技术基于单一特征集的Wishart分类方法，提高了极化合成孔径雷达SAR数据的分类精度，减少了使用Wishart分类方法分类极化合成孔径雷达SAR数据时的迭代次数，解决了极化信息利用不充分和用于Wishart分类方法的训练样本集中有许多错分样本的问题。本发明可应用于极化合成孔径雷达SAR数据地物分类。

公开(公告)号：CN105046268B

公开(公告)日：2018-05-04

申请号：CN201510341168.3

申请日：2015-06-18

Applicant: 西安电子科技大学

Inventor： 王爽 ,  焦李成 ,  郭岩河 ,  高琛琼 ,  刘红英 ,  史丹荣 ,  张东辉 ,  滑文强

IPC: G06K9/62

Abstract: 本发明公开了一种基于Wishart深度网络的极化SAR图像分类方法，主要解决现在特征提取需要很多先验知识以及人工劳动强度大的问题。其实现步骤为：(1)输入极化SAR图像并做滤波处理；(2)对滤波后的图像构造多层Wishart RBM学习特征；(3)用学习到的特征训练softmax分类器；(4)用多层Wishart RBM和softmax分类器构造深度网络DBN，并对其进行训练；(6)用深度网络DBN对极化SAR图像分类并输出结果。本发明与经典分类方法相比，分类正确率更高，分类结果同质区域更完整，区域一致性更好，分类性能更好，适用于对极化SAR图像进行地物分类和目标识别。

公开(公告)号：CN105046268A

公开(公告)日：2015-11-11

申请号：CN201510341168.3

申请日：2015-06-18

Applicant: 西安电子科技大学

Inventor： 王爽 ,  焦李成 ,  郭岩河 ,  高琛琼 ,  刘红英 ,  史丹荣 ,  张东辉 ,  滑文强

IPC: G06K9/62

CPC classification number: G06K9/6278 ,  G06K9/6217

Abstract: 本发明公开了一种基于Wishart深度网络的极化SAR图像分类方法，主要解决现在特征提取需要很多先验知识以及人工劳动强度大的问题。其实现步骤为：(1)输入极化SAR图像并做滤波处理；(2)对滤波后的图像构造多层Wishart RBM学习特征；(3)用学习到的特征训练softmax分类器；(4)用多层Wishart RBM和softmax分类器构造深度网络DBN，并对其进行训练；(6)用深度网络DBN对极化SAR图像分类并输出结果。本发明与经典分类方法相比，分类正确率更高，分类结果同质区域更完整，区域一致性更好，分类性能更好，适用于对极化SAR图像进行地物分类和目标识别。