| 栈式稀疏自编码网络的多时相全极化SAR散射特征降维 |
| |
| 引用本文： | 李恒辉,郭交,韩文霆,刘艳阳,宁纪锋.栈式稀疏自编码网络的多时相全极化SAR散射特征降维[J].遥感学报,2020,24(11):1379-1391. |
| |
| 作者姓名： | 李恒辉 郭交 韩文霆 刘艳阳 宁纪锋 |
| |
| 作者单位： | 1.西北农林科技大学 机械与电子工程学院, 杨凌 712100;2.陕西省农业信息感知与智能服务重点实验室, 杨凌 712100;3.西北农林科技大学 水土保持研究所, 杨凌 712100;4.上海卫星工程研究所, 上海 201109;5.西北农林科技大学 信息工程学院, 杨凌 712100 |
| |
| 基金项目： | 陕西省重点研发计划(编号：2020GY-162)；国家自然科学基金(编号：41301450，51979233，61601298)；中央高校基本科研业务费专项资金资助项目(编号：2452019180) |
| |
| 摘 要： | 利用极化合成孔径雷达（PolSAR）能够实现地物的识别和分类，而多时相全极化SAR可以获取地物更多的散射特征，提升地物识别精度，但高维散射特征的引入会带来严重的维数灾难问题。为了实现对高维散射特征的有效降维，本文提出一种基于栈式稀疏自编码网络S-SAE（Stacked Sparse AutoEncoder）的多时相PolSAR散射特征降维方法。该方法首先对PolSAR数据进行极化目标分解以获取高维散射特征；然后使用S-SAE对获取的多维特征进行降维处理，其中S-SAE降维方法首先采用无监督训练方式进行逐层贪婪训练；再结合Sigmod分类器，利用监督训练的方式对S-SAE进行参数优化，实现高维特征的有效降维；最后以降维后的特征作为支持向量机（SVM）和卷积神经网络（CNN）分类器的输入，实现地物分类。通过仿真和实测的两组多时相Sentinel-1数据处理结果表明，双隐层的S-SAE降维方法在各分类器上均取得最优的降维效果；对比各降维方法在SVM分类器上的分类精度，S-SAE较于局部线性嵌入（LLE）与主成分分析（PCA）降维方法，总体分类精度分别至少提升了9%和14%；在CNN分类器上，S-SAE较于LLE与PCA降维方法，总体分类精度分别至少提升了7%和9%。
|
| 关 键 词： | 特征降维 作物分类 极化合成孔径雷达 多时相 栈式稀疏自编码网络 卷积神经网络 |
| 收稿时间： | 2019/10/11 0:00:00 |
Scattering feature dimension reduction of multitemporal fully PolSAR image based on Stacked Sparse AutoEncoder |
| |
| LI Henghui,GUO Jiao,HAN Wenting,LIU Yanyang,NING Jifeng.Scattering feature dimension reduction of multitemporal fully PolSAR image based on Stacked Sparse AutoEncoder[J].Journal of Remote Sensing,2020,24(11):1379-1391. |
| |
| Authors: | LI Henghui GUO Jiao HAN Wenting LIU Yanyang NING Jifeng |
| |
| Institution: | 1.College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling 712100, China;2.Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Service, Yangling 712100, China;3.Institute of Soil and Water Conservation, Northwest A&F University, Yangling 712100, China;4.Shanghai Institute of Satellite Engineering, Shanghai 201109, China;5.College of Information Engineering, Northwest A&F University, Yangling 712100, China |
| |
| Abstract: | |
| |
| Keywords: | dimension reduction crop classification Polarimetric Synthetic Aperture Radar (PolSAR) multi-temporal Stack Sparse AutoEncoder(S-SAE) CNN |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
