多尺度轻量化CNN在SAR图像地物分类中的应用

SUN Sheng, MENG Zhimin,HU Zhongwen,YU Xu

Remote Sensing for Natural Resources（2023）

引用 0|浏览13

暂无评分

摘要

结合粤港澳大湾区的亚热带气候特点,采用TerraSAR-X雷达遥感卫星对实验区域进行了图像采集;针对雷达卫星观测场景中地物目标尺度变化不一的问题,提出了一个应用于地物分类的卷积神经网络模型(ENet con-volution spatial pyramid pooling,ENet-CSPP).利用了普通卷积比空洞卷积更好保持领域信息的特点,提出了多尺度特征融合模块——卷积空域金字塔池化模块;针对SAR遥感图像数据集训练样本偏少的问题,提出了将多尺度特征融合模块和轻量化卷积神经网络结合起来的方法;ENet-CSPP网络的编码器部分由改进后的ENet网络和卷积空域金字塔池化模块构成,解码器部分实现深、浅层特征的融合后输出地物分类图像.在GDUT-Nansha数据集上进行了定量对比实验,ENet-CSPP模型在像素精度、平均像素精度和平均交并比3个性能指标上都要优于其他模型,表明多尺度轻量化的模型有效提高了地物分类的精度.

查看译文

关键词

synthetic aperture Radar（SAR）,surface feature classification,convolutional neural network,lightweight network

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要