典型文献
结合广义Gamma与卷积深度置信网络的PolSAR影像分类
文献摘要：
针对极化合成孔径雷达(PolSAR)影像分类中标记样本较少导致分类模型难以拟合、未充分考虑地物统计特性等问题,该文提出了一种顾及广义伽马分布(GΓD)与空间邻域信息的极化SAR卷积深度置信网络(CDBN)的地物分类方法.通过引入深度置信网络与半监督学习方法,充分发掘已有数据信息,提高小样本条件下分类器的数据拟合能力,有效提高模型的分类精度.将GΓD的功率参数值域范围扩大到非零实数,增强GΓD对具有拖尾分布地物的描述;基于多极化信息,将GΓD与卷积结构有机融合到深度置信网络,其借助卷积结构的优点,更有效地描述不同类型地物的统计分布.基于EMISAR和GF-3全极化SAR影像进行分类实验,分别选取两个不同场景(农田和城市)作为实验区.结果表明,该方法在分类精度和统计分布拟合效果方面都优于传统方法.
文献关键词：
极化合成孔径雷达;卷积深度置信网络;广义伽马分布;图像分类
中图分类号：
作者姓名：
范志旋;汪长城;卢丽君;高晗
作者机构：
中南大学 地球科学与信息物理学院,长沙 410006;中国测绘科学研究院,北京 100036
文献出处：
引用格式：
[1]范志旋;汪长城;卢丽君;高晗-.结合广义Gamma与卷积深度置信网络的PolSAR影像分类)[J].测绘科学,2022(10):105-112
A类：
卷积深度置信网络,广义伽马分布,CDBN,EMISAR
B类：
Gamma,PolSAR,影像分类,对极,极化合成孔径雷达,中标,标记样本,分类模型,统计特性,顾及,空间邻域,邻域信息,地物分类,分类方法,半监督学习,高小,小样本,样本条件,分类器,数据拟合,分类精度,参数值,数值域,实数,拖尾,分布地,多极化,合到,统计分布,GF,全极化,同场,实验区,分布拟合,拟合效果,图像分类
AB值：
0.31259
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。
