文献类型：期刊文章

作　　者：吕启[1] 窦勇[1] 牛新[1] 徐佳庆[1] 夏飞[2]

机构地区：[1]国防科学技术大学计算机学院并行与分布处理国防科技重点实验室,长沙410073 [2]海军工程大学电子工程学院,武汉430033

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61125201;61202127)

年　　份：2014

卷　　号：51

期　　号：9

起止页码：1911-1918

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA-PROQEUST、CSCD、CSCD2013_2014、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：遥感图像分类是地理信息系统(geographic information system,GIS)的关键技术,对城市规划与管理起到十分重要的作用.近年来,深度学习成为机器学习领域的一个新兴研究方向.深度学习采用模拟人脑多层结构的方式,对数据从低层到高层渐进地进行特征提取,从而发掘数据在时间与空间上的规律,进而提高分类的准确性.深度信念网络(deep belief network,DBN)是一种得到广泛研究与应用的深度学习模型,它结合了无监督学习和有监督学习的优点,对高维数据具有较好的分类能力.提出一种基于DBN模型的遥感图像分类方法,并利用RADARSAT-2卫星6d的极化合成孔径雷达(synthetic aperture radar,SAR)图像进行了验证.实验表明,与支持向量机(SVM)及传统的神经网络(NN)方法相比,基于DBN模型的方法可以取得更好的分类效果.

关 键 词：遥感图像 合成孔径雷达 地物分类 深度学习  受限玻尔兹曼机  深度信念网络  

分 类 号：TP75]