首页|结合Tri-training和CV-CNN的半监督PolSAR图像分类

结合Tri-training和CV-CNN的半监督PolSAR图像分类

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限.针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督PolSAR图像分类算法.首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务.通过四幅PolSAR图像分类的仿真实验表明,该算法不仅能够有效提升伪标签样本的可靠性,同时还可提高模型的分类准确率.
Semi-supervised PolSAR image classification with Tri-training and CV-CNN model

谢雯、马改妮、赵凤、刘汉强、张璐

展开 >

西安邮电大学 通信与信息工程学院(人工智能学院),西安710121

公安部电子信息现场勘验应用技术重点实验室,西安710121

陕西师范大学 计算机学院,西安710119

PolSAR图像分类 Wishart分类器 Tri-training算法 复值卷积神经网络

61901365620713796207137862071380615713612019JQ-3772020JM-29919JK0805Xyt2016-01GK201903092

2021

10.19734/j.issn.1001-3695.2020.11.0430

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(8)
  • 4