公开(公告)号：CN108154192B

公开(公告)日：2022-05-17

申请号：CN201810032469.1

申请日：2018-01-12

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  焦李成 ,  张永昌 ,  马晶晶 ,  马文萍 ,  王爽 ,  白静

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06V10/52 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于多尺度卷积与特征融合的高分辨SAR地物分类方法主要解决现有技术分类精度较低及易出现过拟合的问题。实现方案是：1.提取待分类图像的纹理特征和小波特征；2.对待分类图像、纹理特征和小波特征进行融合，组成融合特征矩阵；3.根据融合特征矩阵构建训练数据集和测试数据集；4.对现有的CNN网络添加多尺度卷积层和shuffle层，并将全连接层改为卷积层，构建多尺度卷积融合网络；5.用训练数据集训练多尺度卷积融合网络得到模型参数；6.用模型参数初始化多尺度融合网络对测试集进行分类。本发明提高减少了网络的参数，缓解了小样本问题的过拟合现象，提高了分类精度，可用于高分辨SAR图像地物分类。

公开(公告)号：CN108154192A

公开(公告)日：2018-06-12

申请号：CN201810032469.1

申请日：2018-01-12

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  焦李成 ,  张永昌 ,  马晶晶 ,  马文萍 ,  王爽 ,  白静

IPC: G06K9/62

Abstract: 本发明公开了一种基于多尺度卷积与特征融合的高分辨SAR地物分类方法主要解决现有技术分类精度较低及易出现过拟合的问题。实现方案是：1.提取待分类图像的纹理特征和小波特征；2.对待分类图像、纹理特征和小波特征进行融合，组成融合特征矩阵；3.根据融合特征矩阵构建训练数据集和测试数据集；4.对现有的CNN网络添加多尺度卷积层和shuffle层，并将全连接层改为卷积层，构建多尺度卷积融合网络；5.用训练数据集训练多尺度卷积融合网络得到模型参数；6.用模型参数初始化多尺度融合网络对测试集进行分类。本发明提高减少了网络的参数，缓解了小样本问题的过拟合现象，提高了分类精度，可用于高分辨SAR图像地物分类。