基于DRCNN的PolSAR图像分类综合实验设计

作     者：石俊飞 姬珊珊 金海燕 聂萌萌 王伟 SHI Junfei;JI Shanshan;JIN Haiyan;NIE Mengmeng;WANG Wei

作者机构：西安理工大学计算机科学与工程学院网络计算与安全技术陕西省重点实验室陕西西安710048 

基　　金：国家自然科学基金青年科学基金项目(62006186) 国家自然科学基金面上项目(62272383) 校级教改项目(xjy2347,310-252042110) 

出 版 物：《实验技术与管理》 (Experimental Technology and Management)

年 卷 期：2023年第40卷第12期

页      码：74-81,130页

摘      要：为了让学生更好地了解和掌握深度学习TensorFlow框架和CNN网络,采用基于不同区域的多尺度卷积神经网络(DRCNN)设计了PolSAR图像分类综合设计实验,旨在实现遥感图像的自动化分类和理解。极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像能够提供更加丰富的极化信息,更好地刻画地物特征,对国防建设和国家发展具有重要意义。实验利用Python语言,在CNN基础上进行改进研究,设计了多区域的多尺度CNN模型,实现了极化SAR图像的数据处理、特征学习和分类一体化设计。该实验不仅可以帮助学生综合应用图像处理与深度学习知识,理解和利用CNN来进行极化SAR图像分类的基本原理和方法,还能使学生更加深入、熟练地掌握TensorFlow框架,提高学生的科研素质和动手实践能力。

主 题 词：综合实验 极化合成孔径雷达图像分类 TensorFlow框架 多尺度卷积神经网络 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16791/j.cnki.sjg.2023.12.011

馆 藏 号：203125490...