.png){kind=icon}
返回
A Statistical-Texture Feature Learning Network for PolSAR Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2023.3306373.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统和基于深度学习的方法在从包含具有不同程度异质性的区域的极化合成孔径雷达 (PolSAR) 图像中提取统计特征方面都存在局限性。为了解决这个问题，我们提出了一种用于PolSAR图像分类的统计纹理特征学习网络 (STLNet)。我们的方法包括几个策略。首先，我们提出了一种新颖的N阶统计特征学习 (n-sl) 模块作为与网络结合的统计建模接口。此外，我们提出了一种基于n-sl模块的多级高阶统计特征学习 (MSL) 模块来表示PolSAR图像的统计特征。其次，我们提出了一个纹理特征学习 (TL) 模块来探索像素之间的空间关系并补充学习的统计特征。在合成孔径雷达 (e-sar) 和机载合成孔径雷达 (AIRSAR) 数据集上的实验结果表明，提出的MSL和TL模块可以有效地提高分类性能。此外，STLNet的性能优于其他规模相当的网络。
Keyword:
Feature extraction
Representation learning
Statistical distributions
Learning systems
Geoscience and remote sensing
Synthetic aperture radar
Radar polarimetry
Deep learning
image classification
polarimetric synthetic aperture radar (PolSAR)
statistics
texture
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
引用论文
.png){kind=icon}
Unsupervised Classification of Multilook Polarimetric SAR Data Using Spatially Variant Wishart Mixture Model with Double Constraints使用具有双重约束的空间变体Wishart混合模型对多外观极化SAR数据进行无监督分类
PREAI
分享收藏Copula-Based Joint Statistical Model for Polarimetric Features and Its Application in PolSAR Image Classification基于Copula的极化特征联合统计模型及其在极化sar图像分类中的应用
PREAI
分享收藏 没有更多内容
没有更多内容