基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究

本文在高分辨率条件下对传统的合成孔径雷达(SAR)图像自动地物分类技术进行了扩展研究．文章首先指出了经典的前馈神经网络模型在SAR图像地物分类中的不足，然后基于径向基神经网络(RBFN)，结合混合专家系统，提出了一种变型的网络结构模型，称之为混合双隐层径向基函数网络(MDHRBFN)，并将其应用于高分辨率单视单极化的SAR图像地物分类．实验结果表明，基于该模型的分类算法能够将SAR图像较好地区分为人造目标类、自然目标类、背景和阴影，具有比经典RBFN模型更好的分类效果，不但可以应用于SAR图像辅助判读，而且能够为目标识别过程提供潜在目标切片．