| 基于自适应超像素的少样本极化SAR图像特征增强方法研究 | |
| 所属分类：技术论文 | |
| 上传者：aetmagazine | |
| 文档大小：1208 K | |
| 标签： 极化合成孔径雷达 地物分类 超像素 | |
| 所需积分：0分积分不够怎么办？ | |
| 文档介绍：有监督的极化合成孔径雷达（极化SAR）图像地物分类任务需要像素级人工标注，如何减少其对大量精确标注样本的依赖是目前的一个研究重点。极化SAR图像的空间邻域内存在信息冗余和特征相关性，充分利用空间邻域信息有助于提升样本特征的判别性和鲁棒性。通过引入基于极化统计HSV颜色特征的自适应超像素聚类算法，提出一种借助邻域相关性的样本特征增强方法。实验结果表明该方法可以在仅有少量标注样本的条件下提升分类结果的鲁棒性和准确率。 | |
| 现在下载 | |
| VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。 | |
Copyright © 2005-2020 《电子技术应用》版权所有 京ICP备10017138号-2