- · 关于举办全国航天特色学校特色教育成果展暨2020年寒假“少年宇航技师”训练营活动的通知[10/15]
- · 2019太空技术和平利用(健康)国际研讨会即将召开[10/14]
- · 2019年世界空间周科普报告会[10/11]
- · 全国航天特色学校特色教育成果展[09/12]
- · 第八届航天技术创新国际会议[09/11]
- · 第八届欧洲航空航天科学会议[07/18]
- · 2019航天科技助力产业发展论坛[06/24]
- · 第32届国际空间技术与科学研讨会[06/24]
1. 投稿时请作者提供本单位保密部门出具的保密审查证明,证明不涉及国家秘密和内部秘密。切勿投寄涉密稿件,否则后果自负。
2.来稿应具备创新性、科学性和学术性,主题突出、论据充分、文字精炼、数据可靠,具有较高的理论水平和实用价值。
3.文章结构一 ...
2.来稿应具备创新性、科学性和学术性,主题突出、论据充分、文字精炼、数据可靠,具有较高的理论水平和实用价值。
3.文章结构一 ...
基于深度卷积神经网络的PolSAR图像变化检测方法
作者: 王剑 王英华 刘宏伟 何敬鲁
关键词: 极化合成孔径雷达 变化检测 区域合并 深度卷积神经网络
摘要:针对极化合成孔径雷达(polarimetric synthetic aperture radar ,PolSAR)图像变化检测问题,提出了结合区域信息和深度卷积神经网络(deep convolutional neural network ,DCNN )的 PolSAR图像变化检测算法.在本方法中,用超像素分割算法与超像素合并算法提取图像场景的区域信息,利用区域信息和Wishart似然比得到差异图像;再运用预分类算法以得到训练DCNN的伪训练样本和待分类样本;接着用伪训练样本训练DCNN ;最后用训练好的DCNN对待分类样本进行分类得到最终结果.实验结果表明,与多种PolSAR变化检测算法相比,所提算法能够获得更好的结果.
上一篇: 高分辨率滑动聚束SAR卫星姿态机动策略
下一篇: 大气噪声幅度分布与抑制处理分析