公开(公告)号：CN104156736B

公开(公告)日：2017-05-10

申请号：CN201410453235.6

申请日：2014-09-05

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  刘芳 ,  刘宸荣 ,  马文萍 ,  马晶晶 ,  王爽 ,  侯彪 ,  杨淑媛 ,  熊涛 ,  刘红英

IPC: G06K9/62

Abstract: 本发明公开了一种基于SAE和IDL的极化SAR图像分类方法，其实现步骤为：(1)预处理；(2)训练栈式自动编码器参数；(3)提取特征；(4)训练Softmax分类器参数；(5)获取分类结果1；(6)构建不平衡数据学习模型；(7)训练不平衡数据学习模型；(8)获取分类结果2；(9)输出最终分类结果。本发明采用栈式自动编码器来提取能够更本质地描述原始输入的特征，此外通过引入不平衡数据学习的方法，克服了由训练样本集的类不平衡性造成的每类间分类精度差距大的问题，具有提高分类准确率和区域一致性的优点。可应用于遥感图像的地物分类、目标检测及识别等领域。

公开(公告)号：CN104166859A

公开(公告)日：2014-11-26

申请号：CN201410395368.2

申请日：2014-08-13

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  刘芳 ,  刘宸荣 ,  马文萍 ,  马晶晶 ,  王爽 ,  侯彪 ,  李阳阳

IPC: G06K9/62

Abstract: 本发明的目的是提供一种基于SSAE和FSALS-SVM的极化SAR图像分类方法。它利用栈式稀疏自动编码器(SSAE)的多隐层结构，获得具有对原始数据更本质的刻画能力并且更适合分类的深度特征，并用能够获得问题稀疏解的快速稀疏逼近最小二乘支持向量机(FSALS-SVM)代替传统深度学习中常用的Softmax，与SSAE相结合，提高了对极化SAR图像的分类精度，并在一定程度上克服了传统基于像素的极化SAR图像分类方法受相干斑噪声影响大的缺点，保证了分类结果图中匀质区域的连贯性。

公开(公告)号：CN104156736A

公开(公告)日：2014-11-19

申请号：CN201410453235.6

申请日：2014-09-05

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  刘芳 ,  刘宸荣 ,  马文萍 ,  马晶晶 ,  王爽 ,  侯彪 ,  杨淑媛 ,  熊涛 ,  刘红英

IPC: G06K9/62

Abstract: 本发明公开了一种基于SAE和IDL的极化SAR图像分类方法，其实现步骤为：(1)预处理；(2)训练栈式自动编码器参数；(3)提取特征；(4)训练Softmax分类器参数；(5)获取分类结果1；(6)构建不平衡数据学习模型；(7)训练不平衡数据学习模型；(8)获取分类结果2；(9)输出最终分类结果。本发明采用栈式自动编码器来提取能够更本质地描述原始输入的特征，此外通过引入不平衡数据学习的方法，克服了由训练样本集的类不平衡性造成的每类间分类精度差距大的问题，具有提高分类准确率和区域一致性的优点。可应用于遥感图像的地物分类、目标检测及识别等领域。

公开(公告)号：CN104166859B

公开(公告)日：2017-09-22

申请号：CN201410395368.2

申请日：2014-08-13

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  刘芳 ,  刘宸荣 ,  马文萍 ,  马晶晶 ,  王爽 ,  侯彪 ,  李阳阳

IPC: G06K9/62

Abstract: 本发明的目的是提供一种基于SSAE和FSALS‑SVM的极化SAR图像分类方法。它利用栈式稀疏自动编码器(SSAE)的多隐层结构，获得具有对原始数据更本质的刻画能力并且更适合分类的深度特征，并用能够获得问题稀疏解的快速稀疏逼近最小二乘支持向量机(FSALS‑SVM)代替传统深度学习中常用的Softmax，与SSAE相结合，提高了对极化SAR图像的分类精度，并在一定程度上克服了传统基于像素的极化SAR图像分类方法受相干斑噪声影响大的缺点，保证了分类结果图中匀质区域的连贯性。