OALib Journal期刊
基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究
, PP. 2040-2044
Keywords: 合成孔径雷达图像 ,神经网络 ,地物分类
Abstract:
本文在高分辨率条件下对传统的合成孔径雷达(SAR)图像自动地物分类技术进行了扩展研究.文章首先指出了经典的前馈神经网络模型在SAR图像地物分类中的不足,然后基于径向基神经网络(RBFN),结合混合专家系统,提出了一种变型的网络结构模型,称之为混合双隐层径向基函数网络(MDHRBFN),并将其应用于高分辨率单视单极化的SAR图像地物分类.实验结果表明,基于该模型的分类算法能够将SAR图像较好地区分为人造目标类、自然目标类、背景和阴影,具有比经典RBFN模型更好的分类效果,不但可以应用于SAR图像辅助判读,而且能够为目标识别过程提供潜在目标切片.
References
[1] Yoshihisa Hara, Robert G Atkins, et al.Application of neural networks to radar image classification[J].IEEE Trans on Geoscience and Remote Sensing, 1994,32(1):100-109. [2] 王长琼,孙国正.一种组合径向基函数网络结构的分类方法[J].武汉交通科技大学学报,1998,22(1):23-28. [3] Rinivasa V C,Joydeep Ghosh.Scale-based Clustering using the Radial Basis Function Network[EB/OL].http://pegasus.ece.utexas.edu/journals.html. [4] B Fritzke.Incremental neuro-fuzzy systems[A].Proc SPIE''s Optical Science, Engineering and Instrumentation''97:Applications of Fuzzy Logic Technology Ⅳ[C].San Diego, CA:SPIE Press, 1997.2-10. [5] B Fritzke.Fast Learning with Incremental RBF Networks[J].Neural Processing Letters, 1994,1(1):2-5. [6] 边肇祺,张学工,等.模式识别(第二版)[M].北京:清华大学出版社,1999.7-8. [7] 王士同,於东军.径向基神经网络的构造理论[J].华东船舶工业学院学报,1999,13(2):41-45. [8] Poggio T,F Grossi.Networks for approximation and learning[J].Proceedings of the IEEE, 1998,78(9):1481-1497. [9] HWANG YS,BANGSY.An efficient method to construct a radial basis function neural network classifier[J].Neural Networks, 1997, 10(8):1495-1503. [10] Girosi F.Some extensions of radial basis functions and their applications in artificial intelligence[J].Computers Math, 1992,24(12):61-80. [11] 付琨,匡纲要,郁文贤.高分辨率SAR图像地物分类算法研究[J].电子学报,2001,(12A):1280-1283.
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
