%0 Journal Article
%T 基于多层反卷积网络的SAR图像分类<br>Classification of SAR Images Based on Deep Deconvolutional Network
%A 王云艳
%A 何楚
%A 赵守能
%A 陈东
%A 廖明生&lt
%A br&gt
%A WANG Yunyan
%A HE Chu
%A ZHAO Shouneng
%A CHEN Dong
%A LIAO Mingsheng
%J 武汉大学学报·信息科学版
%D 2015
%R 10.13203/j.whugis20140366
%X 针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率
%K 合成孔径雷达
%K 多层学习
%K 反卷积网络
%K 图像分类
%K 软概率池化
%K &lt
%K br&gt
%K synthetic aperture radar
%K multilayer learning
%K deconvolutional network
%K image classification
%K soft probability pooling
%U http://ch.whu.edu.cn/CN/abstract/abstract3350.shtml