典型文献
基于多尺度CNN模型的多时相PolSAR图像作物分类
文献摘要：
农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一.由于单时相PolSAR数据获取的信息有限,因此,采用多时相PolSAR数据,其含有农作物生长周期更丰富的特征信息.针对多时相PolSAR数据在极化特征分解时造成的"维数灾难"问题,提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法,用于对分解后的特征数据进行压缩,以获得分类所需的有效特征.此外,构建了一种多尺度特征分类网络(MSFCN),该网络可以提高农作物的分类性能,且优于目前传统的卷积神经网络和支持向量机方法.通过使用欧空局提供的数据进行仿真实验,对分类结果进行性能评估,并与传统方法比较.实验结果表明:所提的方法具有很好的农业应用前景.
文献关键词：
农作物分类;偏振合成孔径雷达(PolSAR);数据压缩;自编码器;多尺度特征分类网络(MSFCN)
中图分类号：
作者姓名：
张伟涛;王敏;郭交
作者机构：
西安电子科技大学电子工程学院,陕西西安710071;西北农林科技大学机械与电子工程学院,陕西杨凌712100
文献出处：
引用格式：
[1]张伟涛;王敏;郭交-.基于多尺度CNN模型的多时相PolSAR图像作物分类)[J].上海航天（中英文）,2022(03):54-59
A类：
MSFCN
B类：
多时相,PolSAR,农作物分类,偏振,合成孔径雷达,重要应用,数据获取,作物生长,生长周期,特征信息,特征分解,维数灾难,负性,稀疏自编码器,NC,SAE,特征压缩,压缩方法,特征数据,有效特征,多尺度特征,特征分类,分类网络,分类性能,前传,支持向量机方法,欧空局,性能评估,方法比较,农业应用,数据压缩
AB值：
0.310304
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
