- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于全卷积半监督生成对抗网络的极化SAR分类
摘要： 我们提出了一种用于极化合成孔径雷达（PolSAR）地形分类的新型半监督全卷积网络。首先，通过设计全卷积结构，我们可以执行基于像素的分类任务。然后，通过应用半监督生成对抗网络（GAN），我们利用标记和未标记样本，旨在获得更高的分类精度。通过极小极大化的双人博弈，GAN比其他"单玩家"分类器具有更优性能。最后，我们将全卷积结构与半监督GAN相结合。我们的全卷积半监督GAN（FC-SGAN）具有出色的空间特征学习能力，能够执行端到端的基于像素的分类任务。实验结果表明，与现有方法相比，所提方法具有更优性能。即使训练集规模缩小，我们的方法仍能保持高精度。
关键词： 地形分类、全卷积网络、生成对抗网络、半监督学习
更新于2025-09-23 15:21:21
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-2018年7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高分三号与Radarsat-2数据在极化SAR图像分类中的比较
摘要： 2016年8月10日，中国发射了首颗C波段全极化合成孔径雷达（SAR）卫星——高分三号（GF-3），并于2017年1月底投入运行。高分三号全极化SAR具有高分辨率和多极化成像等优势。全极化SAR能完整表征目标的散射特性，因此探究地物类型的物理散射机理具有重要价值，这对解译全极化SAR影像及其在地球观测中的进一步应用至关重要。雷达卫星二号（Radarsat-2）与高分三号均工作于C波段且设计任务相似。本研究通过经典极化特征及基于迭代Wishart分布的分类器，对比分析了高分三号与雷达卫星二号全极化数据在地物类型表征方面的性能，重点比较了两者的极化特性保持能力与地物分类效能。
关键词： 地形分类、极化特征、Radarsat-2、雷达极化、高分三号
更新于2025-09-09 09:28:46
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于三维卷积神经网络的极化SAR地形分类
摘要： 地形分类是极化合成孔径雷达（PolSAR）数据的重要应用。传统分类方法需要先提取特征再通过分类器进行分类，此外还需考虑斑点噪声的影响。作为图像处理的新方法，卷积神经网络（CNN）因其出色的图像处理性能受到越来越多关注。该网络可直接处理原始图像，在无需考虑斑点噪声影响的情况下实现更高分类精度。相比传统的二维卷积神经网络（2D CNN），三维卷积神经网络（3D CNN）具有更强的特征提取能力。本文研究了3D CNN在地形分类中的应用，设计了一种新型卷积神经网络架构，并以极化相干矩阵元素作为该网络的输入数据。通过两个真实PolSAR数据的实验验证了所提网络的性能。
关键词： 地形分类，三维卷积神经网络（3D CNN），极化合成孔径雷达
更新于2025-09-09 09:28:46