基于模糊共生网络的SAR遥感场景分类

作     者：周易 卢延荣 ZHOU Yi;LU Yanrong

作者机构：绵阳职业技术学院四川绵阳621000 兰州理工大学电气工程与信息工程学院兰州730050 

出 版 物：《遥感信息》 (Remote Sensing Information)

年 卷 期：2023年第38卷第6期

页      面：103-109页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(62001198) 甘肃省青年科技基金计划(21JR7RA246、21JR7RA247) 

主　　题：SAR图像 场景 分类 GLCM SVM 准确率 

摘      要：合成孔径雷达(synthetic aperture radar,SAR)图像的场景分类被广泛运用于军事和民用领域,而合成孔径雷达图像存在场景复杂、图像分辨率低等特点,使其准确分类成为挑战。由此,文章提出基于模糊共生网络的合成孔径雷达图像场景分类方法。该方法的ML-Net(multi layer convolutional network)模块可提取合成孔径雷达图像的低分辨特征,模糊灰度共生矩阵模块则能多角度融合4组二阶统计量提取合成孔径雷达图像的纹理特征,并输入至多类支持向量机完成场景分类。选用Terra SAR-X和GS-SAR6数据集完成该方法与全频通道注意力网络和多特征融合全局-局部卷积网络的实验。对比结果可知,该方法的准确率与Kappa值较高,可获得更小的初始损失值、更高的训练准确率和更快的收敛速度。