基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究

孙真真; 付琨; 吴一戎

您当前的位置：

首页 >

文章列表页 >

基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究

微波系统工程 | 更新时间：2025-07-16

- 基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究
- The High-Resolution SAR Image Terrain Classification Algorithm Based on Mixed Double Hint Layers RBFN Model
- 电子学报 2003年31卷第S1期页码：2040-2044
- 作者机构：
  
  1. 北京系统工程研究所,北京,100101
  2. 中国科学院电子学研究所,北京,100080
  3. 北京系统工程研究所,北京,100101
  4. 中国科学院电子学研究所,北京,100080
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TN951
- 网络出版：2003-12-25，
  
  纸质出版：2003
- 稿件说明：
移动端阅览
孙真真, 付琨, 吴一戎. 基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究[J]. 电子学报, 2003,31(S1):2040-2044.

SUN Zhen-zhen, FU Kun, WU Yi-rong. The High-Resolution SAR Image Terrain Classification Algorithm Based on Mixed Double Hint Layers RBFN Model[J]. Acta Electronica Sinica, 2003, 31(S1): 2040-2044.
孙真真, 付琨, 吴一戎. 基于混合双隐层径向基函数网络的高分辨率SAR图像地物分类算法研究[J]. 电子学报, 2003,31(S1):2040-2044. DOI：

SUN Zhen-zhen, FU Kun, WU Yi-rong. The High-Resolution SAR Image Terrain Classification Algorithm Based on Mixed Double Hint Layers RBFN Model[J]. Acta Electronica Sinica, 2003, 31(S1): 2040-2044. DOI：

摘要

本文在高分辨率条件下对传统的合成孔径雷达(SAR)图像自动地物分类技术进行了扩展研究.文章首先指出了经典的前馈神经网络模型在SAR图像地物分类中的不足

然后基于径向基神经网络(RBFN)

结合混合专家系统

提出了一种变型的网络结构模型

称之为混合双隐层径向基函数网络(MDHRBFN)

并将其应用于高分辨率单视单极化的SAR图像地物分类.实验结果表明

基于该模型的分类算法能够将SAR图像较好地区分为人造目标类、自然目标类、背景和阴影

具有比经典RBFN模型更好的分类效果

不但可以应用于SAR图像辅助判读

而且能够为目标识别过程提供潜在目标切片.

Abstract

The research on the high-resolution synthetic aperture radar (SAR) image automatic terrain classification (ATC) is made.Firstly

the shortage of the traditional feed-forward neural network model in SAR image classification is concluded.Then a new model named mixed double hint layers RBFN (MDHRBFN) is presented

which combines radial basis function network (RBFN) with mixed expert system.Finally

an algorithm based on this model for the high-resolution

single-look and single-polarization SAR images terrain classification is given and evaluated.The results show that this algorithm can readily cluster the SAR image into man-made targets

natural target

background and shadow

and has better performance than the one based on RBFN model.It can not only be applied to SAR image assistant interpretation

but also offer the potential target chips for target recognition process.

关键词

Keywords

references

浏览量

1220

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Beta-Prime统计模型和QGD分类器的SAR图像地物分类方法

背景感知机制的图像分类网络

基于神经网络的图像风格迁移算法综述

基于自适应空间映射多可信度模型的网状天线形态机电集成优化设计

差分编码与神经网络辅助的OFDM系统信道估计方法