文献类型：期刊文章

作　　者：彭金喜[1,3] 苏远歧[1] 薛笑荣[2]

PENG Jin-xi;SU Yuan-qi;XUE Xiao-rong(Department of Computer Science and Technology,Xi’an Jiaotong University,Xi’an 710049,China;School of Computer and Information Engineering,Anyang Normal University,Anyang,Henan 455000,China;Department of Software Engineering,South China Institute of Software Engineering,Guangzhou University,Guangzhou 510990,China)

机构地区：[1]西安交通大学计算机科学与技术系,西安710049 [2]安阳师范学院计算机与信息工程学院,河南安阳455000 [3]广州大学华软软件学院软件工程系,广州510990

出　　处：《计算机科学》

基　　金：河南省科技攻关重点项目(192102210119);广州大学华软软件学院校级课题(ky201717);国家自然科学基金项目(U1204402);新纪航空科技有限公司支持基金会项目(21-2016-13);河南省自然科学研究项目和河南省教育部资助项目(18A520001);广东特色创新类项目(自然科学类)(2015KTSCX176)资助

年　　份：2019

卷　　号：46

期　　号：B06

起止页码：196-199

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：由于合成孔径雷达图像(SAR)存在相干斑噪声,采用传统的SAR图像解译工作相当复杂,且传统SAR图像检索方法获得的图像纹理精度和视觉效果不佳。由于SAR图像包含的信号和噪声分布以及纹理信息非常丰富,为了提高SAR图像的检索效率,根据图像的视觉特征提出一种图像检索方法,以改善图像的视觉效果,方便人工直觉观察纹理特征信息;由此,采用深度学习方法,结合模糊理论和神经网络的优点来改善图像处理的性能。首先,根据图像像素单元的统计特征和模糊神经网络语义,提出了一种高效的基于图像纹理特征和深度语义分析的方法,对图像纹理风格优势进行数据语义匹配归类;然后,根据语义特征的特性提出一种检索方法。首先,利用深度数据语义聚类提取SAR图像的纹理特征,然后根据同生矩阵方法对SAR图像进行特征分析;最后,利用深度方法对SAR图像的纹理特征和滤波后的灰度组成的矢量进行检索,进而对图像单元归类。实验结果表明,该方法在SAR图像检索方面能取得较好的效果,且视觉效果和分析效率得到较好的提高,便于分析和应用;而且该方法能抑制相干斑噪声,同时提高SAR图像纹理特征的视觉效果。

关 键 词：合成孔径雷达 图像检索 纹理特征 深度神经网络  共生矩阵 数据语义

分 类 号：TP391]