基于GLCM-GMRF纹理特征和深度置信网络的SAR图像分类
SAR image classification based on GLCM-GMRF texture feature and deep belief network作者机构:合肥工业大学计算机与信息学院安徽合肥230601 工业安全与应急技术安徽省重点实验室安徽合肥230601
出 版 物:《合肥工业大学学报(自然科学版)》 (Journal of Hefei University of Technology:Natural Science)
年 卷 期:2020年第43卷第4期
页 面:480-486,529页
学科分类:0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金:国家自然科学基金资助项目(61371154,61701157,41601452) 安徽省重点研究与开发计划资助项目(1704a0802124) 安徽省自然科学基金资助项目(1608085QF142)
主 题:SAR图像分类 深度学习 特征提取 深度置信网络(DBN) GLCM-GMRF纹理特征
摘 要:传统基于深度置信网络(deep belief network,DBN)的合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类方法受相干斑噪声影响严重,文章通过引入图像的纹理特征作为先验信息,反映像素间的空间关系和不同地物类型的独有特性,提出了一种基于GLCM-GMRF纹理特征和DBN的SAR图像分类方法。该方法利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取SAR图像在空间上的灰度相关特征,同时利用高斯马尔可夫随机场(Gaussian Markov random field,GMRF)建立邻域像素间的统计相关特性,组合提取得到的GLCM-GMRF纹理特征与图像强度矢量,送入DBN网络进行学习和分类。采用RADARSAT-2数据进行实验验证,实验结果表明,与传统DBN、支持向量机(support vector machine,SVM)分类方法相比,该方法可以有效抑制相干斑噪声影响,取得更好的分类结果。