【摘 要】
：
合成孔径雷达（Synthetic Aperture Radar,SAR）因其具有全天候、高分辨率成像,不受天气和光照影响的特点,在灾害监测、资源勘查、农作物估产以及军事方面有着广泛的应用。近年来,深度学习理论已广泛应用于SAR图像中人造目标和地物的分类,取得了比传统方法更好的分类效果。特别是卷积神经网络（Convolutional Neural Network,CNN）的应用,迅速地推动了SAR图
论文部分内容阅读
合成孔径雷达（Synthetic Aperture Radar,SAR）因其具有全天候、高分辨率成像,不受天气和光照影响的特点,在灾害监测、资源勘查、农作物估产以及军事方面有着广泛的应用。近年来,深度学习理论已广泛应用于SAR图像中人造目标和地物的分类,取得了比传统方法更好的分类效果。特别是卷积神经网络（Convolutional Neural Network,CNN）的应用,迅速地推动了SAR图像自动解译的发展。CNN主要是利用不同尺寸的卷积核以及不同深度的网络层来达到提取不同特征的目的,进而便于图像分类。但是,训练网络通常需要大量的训练样本,而SAR图像样本的获取通常成本较高。另外,当图像中目标的姿态发生变化时,网络识别性能下降。为了解决上述问题,本文分别结合胶囊网络和SegNet网络的优点,提出了两种不同SAR图像分类的方法,具体内容如下:1)提出了一种基于扩张卷积和胶囊网络的SAR图像分类方法。首先,通过增加网络深度来提取目标更深层次的特征;其次,使用扩张卷积来扩大感受野同时降低计算量;最后,使用胶囊网络来提高训练样本较少以及测试样本中目标发生姿态变换时的分类效果。MSTAR数据集实验结果表明,所提方法能够在训练样本较少且测试样本进行姿态变换后,仍然取得较高的分类精度。2)提出了一种结合卷积自编码器（Convolutional Auto-Encoder,CAE）和SegNet的极化SAR图像分类方法。首先,建立结合CAE和SegNet的SAR图像分类网络模型。然后,通过CAE的无监督预训练来获得网络的初始权重。最后,采用少量的训练样本对网络进行微调。极化SAR图像分类实验结果表明,该方法较SegNet,PSPNet以及Deep Lab V3+网络具有更好的分割效果。
其他文献
随着汽车工业和物联网技术的飞速发展,车载应用与服务日渐丰富给计算资源有限的车辆造成了很大的困扰。针对车联网“低延时、高带宽、高可靠性”的严格要求,将移动边缘计算（Mobile Edge Computing,MEC）技术引入是一个很好的解决方案,MEC将云计算服务下沉至无线网络边缘侧,在车载终端附近能够提供计算服务,从而弥补了云服务器远程传输过程带来的延迟干扰,更容易满足用户服务质量。目前,学术界和
目前,无线传感器网络（Wireless Sensor Networks,WSN）已成为第四次工业革命的技术制高点,是由大量的传感器节点等通过自有方式构成的一种无线通信系统。这种网络可以利用传感器节点来监测处于各种地理区域中的相关物理或环境信息,将对人类的生产生活方式带来巨大变革。然而,其运行分布恶劣动态性强的广域环境,存在各类突出问题,如断续链接、网络效率低下等,使得WSN的应用环境及相关条件受到
随着现代生产向自动化、连续化、智能化和高效化发展,相应的生产设备需安全可靠且连续运转,其中设备润滑是影响生产设备安全可靠及连续运转的关键因素之一。设备的传统润滑方式是由人工定时巡检与加注润滑剂完成,不能满足现代生产的“四化”发展要求。随着计算机技术的发展,设备润滑也朝着自动化方向发展。目前设备的自动润滑有集中式和分布式两种形式,集中式自动润滑适合于润滑点位置相对集中且润滑要求相近的设备润滑场合,该
图像增强技术是图像处理领域的一种关键技术,已经渗透到了人们生活的方方面面。其中,颜色传递作为图像增强的一种重要手段近年来受到研究人员的重点关注。颜色传递技术能够将参考图像的颜色特征传递至内容图像上,使结果图像在拥有内容图像结构特征的同时又具备参考图像的颜色特征,从而可以较好地提高图像的艺术风格和视觉效果。传统的颜色传递方法往往存在细节模糊、噪声增强、层次感欠缺以及不能很好地保持参考图像的颜色特征等
第三次信息产业革命伴随着物联网的发展而兴起,在传感器和嵌入式两个技术的共同支持下,以其易于结合、容错率高、易于部署、易于增减传感器节点、执行效率和速率高等技术优势,已经应用在智能家居等诸多领域。本文将物联网引入家庭内部,设计了一个集数据采集传输、语音呼叫、移动智能监视与一体的家庭物联网系统。基于物联网技术的发展,以设计并完善家庭内部物联网系统为根本目标,本文解释了家庭物联网监控系统所涉及的基础理论
近年来,随着比特币的兴起,区块链技术逐渐走进大家的视野,其技术特性可以解决一些社会痛点问题,给人们带来很多便利。另一方面区块链技术与其他技术相结合,如人工智能、大数据等,为其应用的实现提供了无限可能。作为区块链的关键技术,共识算法保证了区块链应用的无中心化管理以及数据一致性与合法性,然而目前大多数共识算法存在一定的不足。如部分共识协议依赖权益节点,在形成共识过程中,容易产生记账节点选择问题,也易产
随着人工智能领域的发展,语音交互技术逐渐成为人工智能发展的重点研究对象。麦克风阵列技术可以在复杂的声学环境中进行噪声抑制,提高语音质量和可懂度。由于麦克风的数量、体积及运算速度等条件的限制,大多数基于麦克风阵列的语音增强算法不能直接应用于便携式终端设备中。差分麦克风阵列（Differential Microphone Arrays,DMA）因为其具有超强方向性、波束模式频率几乎不变以及体积小的特点
随着信息技术的高速发展以及大数据时代的来临,数据的不断增长和积累使得各个领域都面临着处理海量数据的压力,如何快速有效的从大规模数据中收集有实际意义的信息是当下研究的重要内容。支持向量机作为一种关键的数据挖掘方法,具有完善的理论基础、较强的泛化能力以及全局最优解获取能力,然而其只适用于较小规模的数据集,在处理大数据时会产生巨额的计算复杂度。随着Map Reduce等分布式框架得到广泛应用,通过改进传
柔性印刷电路板（FPC）被广泛应用于智能手机和液晶电视,随着现代社会电子产品的大量使用,FPC电路板需求量大大增加的同时也将会越来越倾向于轻薄化,那么FPC的精密程度和制造的复杂程度也将渐渐增大,此时对于FPC电路板的质量把控将会更加严格。目前FPC的外观缺陷主要还是依靠人工目检,这对于人力的消耗是极大的,并且越发高密度的线路将使人工目检极为困难,随着物联网时代的到来以及机器视觉的飞速发展,制造行
随着量子通信的迅猛发展,量子网络领域的相关研究逐渐成为现代量子科技的之一重要发展方向。量子网络作为量子通信的可靠平台,借助具有稳定相干和低耗散的光子作为传输载体,在由量子网络节点连接的量子通道中传输,能够形成快速且安全的通信。非互易光传输是指在光子在往返方向的传播出现不同的散射属性。非互易光学元器件在构成量子网络中起着重要的作用。其一可以保护光学器件,如激光发射器等不被反射回的光能量损坏;其二可以