| 基于U-Net和胶囊网络的合成孔径雷达图像语义分割 |
| |
| 引用本文： | 敬绍迪,喻玲娟,胡跃虹,杨泽洲,卢忠亮,谢晓春. 基于U-Net和胶囊网络的合成孔径雷达图像语义分割[J]. 激光与光电子学进展, 2021, 58(20): 148-157. DOI: 10.3788/LOP202158.2010009 |
| |
| 作者姓名： | 敬绍迪 喻玲娟 胡跃虹 杨泽洲 卢忠亮 谢晓春 |
| |
| 作者单位： | 江西理工大学信息工程学院,江西赣州341000;广州卫富科技开发有限公司,广东广州510200;赣南师范大学物理与电子信息学院,江西赣州341000 |
| |
| 摘 要： | 图像语义分割作为一种像素级分类技术,已应用于合成孔径雷达(SAR)图像的解译领域中.U-Net是一种端到端的图像语义分割网络,具有典型的编码-解码结构.其中,编码部分主要由卷积层和池化层组成,可以有效提取图像中的目标特征,但难以获取目标的位置和方向等信息.胶囊网络是一种能够获取目标姿态(位置、大小、方向)等信息的神经网络,因此,提出了一种基于U-Net和胶囊网络的SAR图像语义分割方法.此外,考虑到SAR图像数据集较小的特点,将U-Net的编码部分设计成视觉几何组(VGG16)结构,将预训练的VGG16模型直接迁移至编码部分.为了验证本方法的有效性,在两个极化SAR图像数据集上开展了建筑物目标的分割实验.结果 表明,相比U-Net,本方法的精确率、召回率、F1分数和交并比更高,且能减少网络模型的训练时间.
|
| 关 键 词： | 图像处理 合成孔径雷达 图像语义分割 U-Net 胶囊网络 迁移学习 |
Semantic Segmentation of Synthetic Aperture Radar Images Based on U-Net and Capsule Network |
| |
| Jing Shaodi,Yu Lingjuan,Hu Yuehong,Yang Zezhou,Lu Zhongliang,Xie Xiaochun. Semantic Segmentation of Synthetic Aperture Radar Images Based on U-Net and Capsule Network[J]. Laser & Optoelectronics Progress, 2021, 58(20): 148-157. DOI: 10.3788/LOP202158.2010009 |
| |
| Authors: | Jing Shaodi Yu Lingjuan Hu Yuehong Yang Zezhou Lu Zhongliang Xie Xiaochun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
