期刊专题

基于深度学习和同生矩阵的SAR图像纹理特征检索方法

引用
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.

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

46

TP391(计算技术、计算机技术)

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

2019-07-08(万方平台首次上网日期,不代表论文的发表时间)

共5页

196-199,204

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

46

2019,46(z1)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn