资源简介

摘要： 我国海岛众多且资源丰富，针对海岛地物复杂和难以采集训练样本的特点，在分析9种极化特征参数对海岛地物区分能力的基础上，提出了一种基于全极化SAR影像的海岛地物分类方法。该方法采用Freeman分解和Cloude-Pottier分解提取的极化特征与Shannon熵组成特征集，通过自编码器对原始特征进行学习重构，提取更具有可分性的深层特征，并利用主动学习选择最优价值的样本加入训练样本以提高分类器分类效果。通过对舟山群岛全极化SAR影像进行分类实验，结果表明：该方法能够对全极化SAR影像中的不同海岛地物进行有效区分，特别是引入Shannon熵后能明显提升海水、泥滩和沙滩的分类精度；基于主动深度学习的分类方法可以在样本有限的情况下得到比传统分类方法更好的分类结果。 关键词： 极化SAR;  极化目标分解;  香农熵;  主动学习;  ')" href="#">深度学习     Abstract: There are numerous islands with abundant resources in China.Due to the limited information included in common polarization features and the poor effect of traditional classification methods when there are few samples，nine polarization features are analyzed and classification is carried out using active deep learning.Firstly，multiple features are extracted from an original image.Then，the original features can be extracted by anto\|encoder and the initial classifier is trained and fine-tune the whole model with a small number of labeled samples.Finally，the most uncertain samples are selected to label with active learning algorithm and added to the training samples.Experiment comfirms that active deep learning can effectively improve the classification accuracy with less labeled samples and entropy shannon is a more effective feature to distinguish between seawater，mudflats and beaches.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.