-
公开(公告)号：CN104700116B
公开(公告)日：2018-03-06
申请号：CN201510111200.9
申请日：2015-03-13
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多层量子脊波表示的极化SAR图像地物分类方法，主要解决现有技术特征表达不充分、分类精度低及时间复杂度高的问题。其实现步骤为：1.提取极化SAR图像的图像特征；2.将特征组合构成特征矩阵并归一化；3.从特征矩阵中选取训练数据集和测试数据集；4.用两层量子脊波网络训练训练数据集；5.用人工神经网络NN网络分类器对训练数据集训练并分类；6.利用训练好的分类器对测试数据集分类。本发明由于使用了多层量子脊波神经网络，结构更灵活，提高了极化SAR图像特征的表达能力，能够有效地提高极化SAR图像分类的精度，并降低时间复杂度，可用于复杂图像分类。
-
公开(公告)号：CN104318246A
公开(公告)日：2015-01-28
申请号：CN201410557506.2
申请日：2014-10-20
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6256
Abstract: 本发明公开了一种基于深度自适应脊波网络的极化SAR图像分类方法，本方法实现步骤为：(1)对待分类的极化SAR图像进行滤波；(2)提取滤波后的极化SAR图像的特征；(3)特征组合并归一化；(4)训练受限玻尔兹曼机RBM；(5)训练自适应脊波网络；(6)调整自适应脊波网络参数；(7)图像分类。本发明相对于已有的方法对极化SAR图像特征的表达能力更强，能更好地从原始的低级高维特征中学习出更高级的特征，且分类器具有更灵活的结构、快速并行的处理速度以及强容错性和鲁棒性。本发明能够有效地提高极化SAR图像分类的精度，并且降低计算复杂度，同时具有更好的去噪效果，提高图像质量的优点。
-
公开(公告)号：CN104318246B
公开(公告)日：2018-08-28
申请号：CN201410557506.2
申请日：2014-10-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度自适应脊波网络的极化SAR图像分类方法，本方法实现步骤为：(1)对待分类的极化SAR图像进行滤波；(2)提取滤波后的极化SAR图像的特征；(3)特征组合并归一化；(4)训练受限玻尔兹曼机RBM；(5)训练自适应脊波网络；(6)调整自适应脊波网络参数；(7)图像分类。本发明相对于已有的方法对极化SAR图像特征的表达能力更强，能更好地从原始的低级高维特征中学习出更高级的特征，且分类器具有更灵活的结构、快速并行的处理速度以及强容错性和鲁棒性。本发明能够有效地提高极化SAR图像分类的精度，并且降低计算复杂度，同时具有更好的去噪效果，提高图像质量的优点。
-
公开(公告)号：CN104700116A
公开(公告)日：2015-06-10
申请号：CN201510111200.9
申请日：2015-03-13
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多层量子脊波表示的极化SAR图像地物分类方法，主要解决现有技术特征表达不充分、分类精度低及时间复杂度高的问题。其实现步骤为：1.提取极化SAR图像的图像特征；2.将特征组合构成特征矩阵并归一化；3.从特征矩阵中选取训练数据集和测试数据集；4.用两层量子脊波网络训练训练数据集；5.用人工神经网络NN网络分类器对训练数据集训练并分类；6.利用训练好的分类器对测试数据集分类。本发明由于使用了多层量子脊波神经网络，结构更灵活，提高了极化SAR图像特征的表达能力，能够有效地提高极化SAR图像分类的精度，并降低时间复杂度，可用于复杂图像分类。
-
-
-
Search Results
4
records
(took 0.023 seconds)
