基于全卷积神经网络的极化SAR地物分类方法

摘要

本发明公开了基于全卷积神经网络的极化SAR地物分类方法，对待分类极化散射矩阵S进行Pauli分解，得到奇次散射系数、偶次散射系数和体散射系数，将奇次散射系数、偶次散射系数和体散射系数作为极化SAR图像的三维图像特征F；再将得到的三维图像特征矩阵F转化成RGB图F1；再在RGB图F1上随机选取m×n的像素块作为训练样本，整张RGB图F1作为测试样本；再构造全卷积神经网络模型；再通过全卷积神经网络训练训练样本，得到训练好的模型；再通过训练好的模型对测试集进行分类，得到分类结果。本发明的方法能够解决现有技术时间效率低的问题，在保证分类精度较高的情况下，缩短了运行时间。