典型文献
基于扩张图卷积网络的SAR图像分类
文献摘要：
合成孔径雷达(Synthetic Aperture Radar,SAR)图像存在相干斑噪声,且样本数量少,导致特征提取困难.为了提取更有表征力的特征,本文提出了一种基于扩张图卷积网络,用于SAR图像分类.该网络构造了一个新的残差扩张图卷积(Re?sidual Dilated Graph Convolutional,RDGC)模块.RDGC模块包含3个不同扩张率的图结构,通过卷积提取不同感受野的特征,并能够调整感受野的大小,以适应不同尺度的特征信息;在此基础上,叠加多个RDGC模块,通过将每个RDGC模块的输出进行特征融合,提取较多的细节信息;最后,将SAR图像经过粗提取后的特征附加在其上,形成全局的残差连接,在高层语义特征中融入低层空间特征,进一步补充细节信息,且避免了特征丢失和梯度消失.在两幅真实SAR图像上进行实验,结果表明:改进的图卷积网络模型优于现有网络的分类效果和性能.
文献关键词：
SAR图像分类;扩张图卷积;特征融合;残差连接
中图分类号：
作者姓名：
叶乡凤;董张玉;杨学志
作者机构：
合肥工业大学 计算机与信息学院,合肥230601;工业安全与应急技术安徽省重点实验室,合肥230601;合肥工业大学 软件学院,合肥230601;智能互联网系统安徽省实验室,合肥230601
文献出处：
引用格式：
[1]叶乡凤;董张玉;杨学志-.基于扩张图卷积网络的SAR图像分类)[J].智能计算机与应用,2022(07):69-73,79
A类：
扩张图卷积,RDGC
B类：
图卷积网络,SAR,图像分类,合成孔径雷达,Synthetic,Aperture,Radar,相干斑噪声,样本数量,Re,sidual,Dilated,Graph,Convolutional,扩张率,图结构,感受野,不同尺度,特征信息,出进,特征融合,细节信息,粗提取,加在,残差连接,语义特征,低层,层空间,空间特征,梯度消失,两幅,分类效果
AB值：
0.327037
相似文献
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。
