- 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 - 基于深度卷积神经网络的高分辨率SAR图像分类
摘要： 在计算机视觉领域，更深层的架构已被证实能显著提升分类性能。受此启发，深度卷积神经网络（CNN）也有望在合成孔径雷达（SAR）目标分类问题上取得进展。然而，训练适用于SAR图像的深层CNN存在困难——这类网络需要确定数百万个参数（例如VGGNet就超过1.3亿个参数），因此训练深层CNN必须依赖大规模数据集。但当前缺乏大规模标注的SAR目标数据集，且SAR图像的数据获取与标注成本极高。数据不足时，网络极易出现过拟合。虽然已有若干基于深度学习的SAR图像分类方法，但都无法摆脱标注SAR图像的上述数据限制。为解决该问题，本文提出名为CompressUnit（CU）的微型架构，据此设计出更深的CNN。与现有文献中参数量最少的SAR图像分类网络相比，我们的网络深度增加2倍，而参数量仅为其10%左右。由此获得了一个参数量大幅减少的深层网络，该网络更易于利用有限的SAR数据进行训练，且更可能避免过拟合。
关键词： 更深层的CNN，压缩单元，SAR图像
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（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度神经网络的大场景SAR图像D-Atr方法
摘要： 本文提出了一种基于深度神经网络的大场景SAR图像直接自动目标识别（D-ATR）方法。传统SAR图像目标识别方法包含检测、判别、特征提取和分类四个独立步骤，前序处理结果会影响后续步骤，且现有SAR目标检测集成系统在处理速度上仍有提升空间。该方法通过将全部计算封装于单一深度卷积神经网络（DCNN），将这些步骤整合为统一系统，直接实现大场景SAR图像的目标识别。在MSTAR数据集及14781784×模拟大场景SAR图像上的实验表明，该方法兼具高识别精度与快速处理优势。
关键词： 大场景，D-ATR，DCNN，SAR图像
更新于2025-09-10 09:29:36
-
[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 - 基于凸集投影算法的多极化SAR图像超分辨率重建
摘要： 分辨率是衡量合成孔径雷达（SAR）图像质量的重要指标之一。超分辨率重建是一种广泛采用的分辨率增强方法，目前已发展出多种相关算法。本文将凸集投影（POCS）算法应用于SAR图像重建处理，该算法能有效获取细节增强的高分辨率SAR图像。但POCS通常需要同一区域10至20幅低分辨率SAR图像才能获得较优结果，这一要求在仅采用单极化模式时极难实现。为此，我们提出一种新方法：利用同一原始SAR数据的所有极化图像进行算法处理，从而使可用图像数量呈指数级增长。实验结果表明该方法具有显著效果——基于多极化信息重建的高分辨率SAR图像比单极化信息重建的图像具有更丰富的细节和更高的清晰度。
关键词： 超分辨率重建、多极化信息、POCS算法、SAR图像
更新于2025-09-09 09:28:46
-
[IEEE 2018第二届计算方法与通信国际会议(ICCMC) - 埃罗德(2018.2.15-2018.2.16)] 2018第二届计算方法与通信国际会议(ICCMC) - 用于SAR图像去斑的各种散斑滤波器综述
摘要： 如今，合成孔径雷达（SAR）图像被广泛应用于地形导航、土地覆盖分类、环境监测（如溢油检测、洪水检测）及军事侦察等重要领域。SAR图像常受斑点噪声干扰，表现为图像上的明暗斑点，导致视觉质量下降。这会影响各类特征提取与分类算法的正常运行——这些算法本需根据应用需求将SAR图像分类至特定类别。因此，去除SAR图像中的斑点噪声是预处理的关键步骤。尽管该领域研究者已提出多种去斑滤波器，但仍需能应对全部处理约束条件的滤波方案。本文系统论述了各类滤波器的技术优势与特性，并通过定性定量分析对比了相同噪声SAR图像经不同滤波算法处理后的输出结果。
关键词： 去斑处理、定量分析、SAR图像、定性分析、综述
更新于2025-09-04 15:30:14